Vai al contenuto principale
← Torna alle notizie

NEO-VLA: la policy vision-azione senza encoder, il modello che guarda il mondo in pixel

Ricerca
NEO-VLA (MMLab, NTU) è un framework vision-language-action senza encoder: le immagini in pixel evolvono insieme al linguaggio attraverso le profondità e un esperto di azioni a flow-matching usa le rappresentazioni di più strati. Le architetture native battono quelle basate su encoder.

Ricevi il prossimo punto sull'IA locale

Ogni settimana, la selezione del meglio di iaLocale: articoli, notizie e risorse sull'IA locale, e altro ancora.

Dopo l'iscrizione ricevi una email di conferma (double opt-in). Senza conferma non inviamo nulla. Nessuno spam, ti promettiamo.