跳到正文
arXiv Computer Vision· Foundation Model, Li Auto Inc·· 2 小时前AI 评分35

ME-VLM:面向具身认知与智能体协同的统一 VLM

ME-VLM: A Unified VLM for Embodied Cognition and Agent Coordination

AI 导读

MachEmbodied-VLM(ME-VLM)是包含 4B 与 35B-A3B 两个变体的统一视觉语言模型,融合具身认知与多模态智能体能力,训练流程涵盖具身能力注入、具身与多模态智能体专家的分别强化学习,以及多教师同策略蒸馏。

来源:arXiv Computer Vision · arxiv.org