MiVLA：通过人-机相互模仿预训练实现通用视觉-语言-动作模型

这篇文章介绍了MiVLA，一个旨在实现通用视觉-语言-动作能力的模型。其核心方法涉及使用人-机相互模仿进行预训练。这表明重点是同时从人类演示和机器人动作中学习，这可能导致在复杂任务中提高性能。相互模仿的使用是一个关键方面，意味着一个双向学习过程，机器人向人类学习，反之亦然。ArXiv 来源表明这是一篇研究论文，可能详细介绍了模型的架构、训练方法和实验结果。

• •MiVLA是一个视觉-语言-动作模型。
• •它利用人-机相互模仿预训练。
• •目标是实现通用能力。