On the Efficiency of LoRA Fine-Tuning for Vision-Language-Action Models in Industrial Robotic Manipulation
工业机器人操作中视觉语言动作模型的LoRA微调效率研究
Finn Ferchau, Daniel Pommer, Cristian Axenie
机构
*
Technische Hochschule Nürnberg Georg Simon Ohm（纽伦堡乔治·西蒙·欧姆应用技术大学）
；
Siemens AG（西门子股份公司）
；
Fraunhofer Institute for Integrated Circuits (IIS)（弗劳恩霍夫集成电路研究所）
Improving Vision-Language-Action Model Fine-Tuning with Structured Stage and Keyframe Supervision
通过结构化阶段和关键帧监督改进视觉-语言-动作模型微调
Yuan Xu, Yixiang Chen, Kai Wang, Jiabing Yang, Peiyan Li, Qisen Ma, Yan Huang, Liang Wang
机构
*
School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）
；
New Laboratory of Pattern Recognition (NLPR), State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室（NLPR）多模态人工智能系统国家重点实验室（MAIS））
；
FiveAges
Finetuning Vision-Language-Action Models Requires Fewer Layers Than You Think
微调视觉-语言-动作模型所需的层数比你想象的少
Gia-Binh Nguyen, Trong-Bao Ho, Thien-Loc Ha, Khoa Vo, Philip Lund Møller, Quang T. Nguyen, Long Dinh, Tung M. Luu, Tuan Dam, Vu Duong, Trung Le, Nghi D. Q. Bui, Minh Vu, Tran Nguyen Le, An Thai Le, Ngan Le, Daniel Sonntag, James Zou, Jan Peters, Duy M. H. Nguyen, Ngo Anh Vien
机构
*
Center for AI Research, VinUniversity（VinUniversity人工智能研究中心）
；
VinRobotics
；
University of Arkansas（阿肯色大学）
；
Technical University of Denmark（丹麦技术大学）
；
Hanoi University of Science and Technology（河内科技大学）
；
KAIST（韩国科学技术院）
；
Monash University（莫纳什大学）
；
Oldenburg University（奥尔登堡大学）
；
DFKI（德国人工智能研究中心）
；
University of Stuttgart（斯图加特大学）
；
IMPRS-IS（国际马克斯·普朗克智能系统研究学院）
；
Stanford University（斯坦福大学）
；
Technische Universität Darmstadt（达姆施塔特工业大学）
Flow Control: Steering Vision-Language-Action Models with Simple Real-Time Inputs
流控制：通过简单实时输入引导视觉-语言-动作模型
Jonathan C. Kao, Jason Chan, Andy Wang
机构
*
Departments of Electrical and Computer Engineering, Computer Science, and Neurobiology, University of California, Los Angeles（电气与计算机工程系、计算机科学系和神经生物学系，加州大学洛杉矶分校）
；
Department of Computer Science University of California, Los Angeles（计算机科学系，加州大学洛杉矶分校）
Teaching Vision-Language-Action Models What to See and Where to Look
教视觉-语言-动作模型看什么和看哪里
Yuguang Yang, Canyu Chen, Zhewen Tan, Yizhi Wang, Zichao Feng, Chunyang Liu, Kehua Sheng, Juan Zhang, Linlin Yang, Baochang Zhang, Yan Wang, Bo Zhang, Xianbin Cao
机构
*
School of Electronic Information Engineering, Beihang University（北京航空航天大学电子信息工程学院）
；
National College for Excellent Engineers, Beihang University（北京航空航天大学卓越工程师学院）
；
Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院）
；
DiDi（滴滴出行）
；
State Key Laboratory of Media Convergence and Communication, Communication University of China（中国传媒大学媒体融合与传播国家重点实验室）
；
School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院）
；
School of Cyber Science and Technology, Beihang University（北京航空航天大学网络安全科学与技术学院）
；
School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院）
EquiVLA: A General Framework for Rotationally Equivariant Vision-Language-Action Models
EquiVLA: 旋转等变视觉-语言-动作模型的通用框架
Thien-Loc Ha, Quang-Tan Nguyen, Trong-Bao Ho, Long Dinh, Minh Duc Nguyen, Gia-Binh Nguyen, Pham Tri Quang, Minh N. Vu, Duy M. H. Nguyen, An Thai Le, Ngo Anh Vien
机构
*
VinRobotics
；
VinUniversity
；
DFKI（德国人工智能研究中心）
；
University of Stuttgart（斯图加特大学）
；
IMPRS-IS（国际马克斯·普朗克智能系统研究学院）
