提出VLA Foundry统一框架,支持从语言/视觉-语言预训练到视觉-语言-动作(VLA)策略微调的端到端可控训练,兼容Hugging Face预训练骨干模型,并开源代码、权重及仿真工具改进。
机构:Toyota
来源:arXiv 2604.19728 | AI4Papers 论文推荐平台