本周最值得深入研究
NEO-VLA:动作头应该读取 VLM 的哪一层?
- 论文把图像经轻量 patch embedder 后与语言、机器人状态一起进入骨干,动作专家读取所选层的 KV。
- 「无编码器」指没有独立预训练视觉编码器,并非没有图像映射步骤,避免把口号当成架构事实。
- 作者主张较早层视觉信息有助于控制;这给个人复现留下了固定模型与任务集上可对照的接口实验。
Weekly Insights · 2026-w45
VLM 动作接口 · 权重空间编程验收 · 混合动作 Loop
信源 X (7) + Reddit (0)本周过滤 47 条 → 精选 3 项洞察ASD-STE100 90%
本周最值得深入研究