OpenVLA: An Open-Source Vision-Language-Action Model

斯坦福大学和UC Berkeley联合发表的论文，提出OpenVLA，一个开源的视觉-语言-动作（VLA）模型。该方法在Open X-Embodiment数据集上训练，支持多种机器人本体和任务，提供了易于使用的API和微调工具，在多个基准测试中展现了强大的性能，是具身智能和开源VLA模型领域的重要进展。arXiv:2406.09246。