具身智能新突破！Physical Intelligence推出机器人动作ttokenizer，训练提速5倍

摘要：图｜使用 FAST 进行训练非常高效。通用策略 π0-FAST 的训练速度比原始的 π0 模型快 5 倍，并取得了相似的性能。当然，他们的模型也并非完美。他们表示，当前模型的一个显著缺点是推理速度较慢：π0-FAST 的自回归解码明显慢于 π0 中使用的流匹配

图｜使用 FAST 进行训练非常高效。通用策略 π0-FAST 的训练速度比原始的 π0 模型快 5 倍，并取得了相似的性能。当然，他们的模型也并非完美。他们表示，当前模型的一个显著缺点是推理速度较慢：π0-FAST 的自回归解码明显慢于 π0 中使用的流匹配解码方法。虽然加速自回归 VLA 的推理仍是一个有待解决的问题，但在其他领域（如语言建模）中，关于自回归 Transformer 模型快速推理的研究已有丰富的成果，这些研究可以为 VLA 的解决方案提供启示。原文链接：https://www.pi.website/research/fast#scaling-up原标题：《具身智能新突破！Physical Intelligence推出机器人动作tokenizer，训练提速5倍》

来源：小熊看科技

标签： intelligence physical

本文地址：http://news.43b.com.cn/a/490655.html

免责声明：本站系转载，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本站联系，我们将在第一时间删除内容!