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