VLX-Go具身视觉跟踪技术报告发布

2026年10月15日，arXiv Robotics 刊出 VLX-Go 具身视觉跟踪技术报告。据该报道，VLX-Go 是一种视觉-语言路点策略，其核心思路是视觉与语言表征应在学习跟踪专项运动之前先完成对齐，方法上采用三阶段学习：视觉-语言对齐、多模态推理中期训练和跟踪专项训练，并在 19,532 条 oracle 轨迹上训练。报道称，该方法将干扰物场景下的跟踪成功率从 OmTrackVLA 的 41.54% 提升至 55.80%。上述成功率对比与训练数据规模均来自该技术报告自述，为其单方给出的结果，尚无独立复现或第三方验证。目前事件进展停留在技术报告发布阶段，报道未提及代码、模型或数据的公开情况，也未给出后续计划。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。