EMMA 用生成式视频增强机器人控制鲁棒性

研究团队提出 EMMA 框架，用生成式数据引擎和训练流程增强视觉-语言-动作（VLA）策略。其 DreamTransfer 组件基于扩散 Transformer 生成多视角一致、几何合理的机器人操作视频，并支持对前景、背景和光照做文本驱动编辑。 在零样本视觉设置的真实机器人任务中，该框架相比仅用真实数据训练实现超 92% 的相对性能提升；加入 AdaMix 自适应样本加权策略后再提升 17%。上述结果来自论文作者提交的 v3 版本。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。