Concertina：单一扩散VLM统一操控与认知
热点事件持续更新
Concertina：单一扩散VLM统一操控与认知
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
研究团队在 arXiv 发布论文（arXiv:2611.07513），提出具身视觉语言模型 Concertina，将机器人操控与认知能力统一在同一扩散视觉语言模型中，不需要外置的动作专家模块。 模型基于 4.46B 参数的共享主干，动作以连续 latent token 编码并由共享 Transformer 生成，动作投影激活参数仅占模型参数的 0.21%，没有单独的动作生成层。 作者报告的基准结果为：LIBERO 常规任务平均成功率 98.15%，含 10,030 项任务的 LIBERO-Plus 上 85.9%，CALVIN ABC-D 平均完成链条长度 4.142。
AI 根据报道生成 · 2 小时前更新
最新进展11月6日 13:00
Concertina：单一扩散视觉语言模型同时承载操控与认知报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AIConcertina：单一扩散视觉语言模型同时承载操控与认知
arXiv 论文提出 Concertina，一种将操控与认知统一在同一扩散视觉语言模型中的具身视觉语言模型（eVLM），无需外置动作专家。模型在 4.46B 参数主干上仅用 0.21% 的动作投影参数，动作以连续 latent token 编码并由共享 Transformer 生成。
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。