EMMA框架用生成视频提升机器人控制鲁棒性

研究团队提出 EMMA 框架，用生成式视觉模型增强视觉-语言-动作（VLA）策略的鲁棒性。其数据引擎 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，并支持对前景、背景和光照做文本驱动编辑。 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%。上述结果来自研究团队在论文中的报告。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。