Huggingface本月的研究論文Green-VLA，專注於提升機器人對任務的理解和執行能力。該論文指出，當前機器人學習面臨三個主要挑戰：數據雜亂、質量參差不齊及行為克隆的局限性。為了解決這些問題，Green-VLA提出了一系列創新方案。
首先，數據清洗被視為必不可少的步驟。Green-VLA設計了一個DataQA流水線，對演示數據進行質量評估，並剔除不合格的數據。其次，統一動作空間的概念被引入，以確保不同機器人之間的數據可以有效共享，避免錯誤的學習關係。最後，分階段訓練的策略讓模型能夠從基礎知識逐步過渡到專業技能的學習。
此外，強化學習的應用突破了行為克隆的限制，使模型不僅能模仿動作，還能在多步驟任務中保持穩定性。研究結果顯示，Green-VLA在多項任務中的成功率顯著提高，尤其是在根據自然語言指令執行任務方面表現突出。這些技術的創新不僅適用於機器人領域，還可擴展至其他AI系統，強調數據質量和模型設計的重要性。