（来源：上观新闻）
这张网🥉的每一根神🔖经，都在跳动👨✈️。前期目标是，依托💋教育和新能源🚙的确定性增长🌵🇵🇭完成技🔄🍴术、数据及商业👩👧积累，同🇵🇲🎊时将物业场景打🎹透；中长期目标🇦🇺🐆则是，随着垂直大🇮🇹模型能⏲力成熟，🥘完成从“卖硬件设👩👩👦👦备”向“🏋️♀️卖软硬一体智能💉服务”的全面升级↘🇦🇪，成为多个💏垂直细分👳♀️😧场景下🧠的具身智能基础🦉🎱设施提供商🧢。原因不在于🕥🇮🇨硬件🏓。
PAND🧓👩❤️💋👩A 使用8块 🤜🚜NVI🧶DIA V🖊100 32📎SAP是什么GB 显卡训练，🇦🇱🇮🇴批次大小为6，总😱训练时间约1🤹♀️💟.5天，使🍦用 AdamW 🔇优化器，学习⬆😀率1e-4，💘权重衰减🧵♾️0.01，🥩共训练30轮🇨🇲。但现有主流训练🍗方法存在根本🎆性的缺陷，😗而这篇论文提出的🦴新方法，正是为😉⚜了彻底解决这⛑个问题🏴。VLA（V👨🔧isi🤴😇on-Lan🇧🇶guage-Ac🐋🍪tion）架构是🇩🇴目前具身智能领域🚑🖐的主流🇫🇰🇲🇸方案，其🔁🇯🇴结构清晰：视觉模🎟🍄块负责“看”，语🍙言模块🏖负责“理🏳️🌈🕑解”，动作模块🥛负责“🇺🇳做”💯✒。
对着空气，和对着🏩真人，两种🧑表演模式之🏴☠️间的差距🕤⏰，技术是难以弥🤧合的🍀🇪🇦。第一种方法💹叫CORE-TS🐛V融合，把📣🥞分别训练好的⬛😏各能力插件通过数🌸🔫学方式直接叠加🐡📵到一起，🙎♂️🤷♂️得到47.0%↔Ⓜ的基准，但结果只🇹🇴👨🦲有39.6%，🏝不如任何单🇧🇹一专项训练插🏠件☺⬇。PAN🚩DA 使用8👨🦱块 N⚡VIDI👨👨👦👦🦋A V100♌ 32👇GB 🔞🇵🇹显卡训练，批次🦕🕺大小为6，总训😆练时间约🖨1.5天，使用📃 AdamW🖱👾 优化器🌲😅，学习率1e-🤺4，权重衰🖕🍞减0.01，🤥共训练30轮😈🐟。
