pretrained-model

InternVLA-A1.5 将预训练的视觉语言模型与潜在空间中的未来预测相结合，以实现具有组合泛化和长视界执行能力的高效机器人操作，在模拟基准测试中取得了最先进的结果。

本文提出DiHAL，一种扩散-变换器混合模型，利用基于几何的代理选择预训练语言模型中的某个层，通过扩散桥进行隐藏状态替换，通过避免直接的词元恢复来改进连续扩散语言建模。