Aller au contenu principal
← Retour aux actualités

NEO-VLA : la policy vision-action sans encodeur, le modèle qui regarde le monde en pixels

Recherche
NEO-VLA (MMLab, NTU) est un framework vision-langage-action sans encodeur : les images en pixels évoluent avec le langage à travers les profondeurs et un expert d’actions à flow-matching utilise les représentations de plusieurs couches. Les architectures natives battent celles basées sur des encodeurs.

Recevez le prochain point IA locale

Chaque semaine, une sélection du meilleur d'iaLocale : articles, actualités et ressources sur l'IA locale, et plus encore.

Après l'inscription, vous recevez un e-mail de confirmation (double opt-in). Sans confirmation, nous n'envoyons rien. Pas de spam, promis.