复旦贾萧松：具身智能瓶颈在训练目标而非架构
热点事件持续更新
复旦贾萧松：具身智能瓶颈在训练目标而非架构
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
复旦大学助理教授贾萧松认为，VLA、WAM 等新架构层出不穷，但自动驾驶与具身智能的真正瓶颈不在模型架构，而在模仿学习的训练目标本身。 他参与的 Think2Drive 在单张 NVIDIA A6000 GPU 上约三天训练出可完成 CARLA Leaderboard 2.0 复杂驾驶任务的策略，通过隐空间世界模型提升探索效率。
AI 根据报道生成 · 1 小时前更新
最新进展10月19日 11:06
复旦贾萧松：VLA、WAM 新架构层出不穷，但真正的瓶颈不在模型架构报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- 雷峰网 · AI复旦贾萧松：VLA、WAM 新架构层出不穷，但真正的瓶颈不在模型架构
复旦大学助理教授贾萧松认为，VLA、WAM 等新架构层出不穷，但自动驾驶与具身智能的真正瓶颈不在模型架构，而在模仿学习的训练目标本身。他参与的 Think2Drive 在单张 NVIDIA A6000 GPU 上约三天训练出可完成 CARLA Leaderboard 2.0 复杂驾驶任务的策略，通过隐空间世界模型把探索效率大幅提升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。