提出StarVLA-α,一种基于预训练VLM(Qwen3-VL)的极简视觉-语言-动作(VLA)基线模型,通过消除机器人专用预训练、简化动作建模与接口工程、统一多基准训练,揭示多数现有架构复杂性并非性能提升必要条件;该单模型在真实世界RoboChallenge基准上较π₀.₅提升20%。
机构:阿里
来源:arXiv 2604.11757 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程