연구진이 로봇 조작을 위한 통합 모델 InternVLA-A1.5를 발표했어요. 사전 학습된 VLM의 의미론적 사전 지식과 미래 예측을 통한 물리적 역학을 결합하는 방식입니다.
InternVLA-A1.5는 VQA 및 하위 작업 예측 훈련을 계속하는 기본 VLM 백본을 기반으로 구축되었으며, 가벼운 통합 전문가를 통해 지속적인 행동 생성을 지원합니다.
120만 개의 로봇 에피소드와 300만 개의 멀티모달 샘플로 사전 훈련되었으며, 6가지 시뮬레이션 벤치마크에서 최고 성능을 달성했습니다.