arXiv · cs.AI· Zhehao Dong, Xiaofeng Wang, Zheng Zhu, Yirui Wang, Yang Wang, Yukun Zhou, Boyuan Wang, Chaojun Ni, Runqi Ouyang, Wenkang Qin, Xinze Chen, Yun Ye, Guan Huang, Zhen Lu, Yue Yang·· 5 小时前
EMMA：用生成式视觉模型提升机器人控制鲁棒性
EMMA: Enhancing Robotic Control Robustness through a Generative Visual Model
AI 导读
研究团队提出 EMMA 框架，通过生成式数据引擎与训练流程增强 VLA 策略，其 DreamTransfer 基于扩散 Transformer 生成多视角一致、几何合理的机器人操作视频，支持对前景、背景和光照的文本驱动编辑。在零样本视觉设置的真实机器人任务中，该框架相比仅用真实数据训练性能相对提升超 92%，加入 AdaMix 训练策略后再提升 17%。
来源：arXiv · cs.AI · arxiv.org