论文Agent 与开发者10:13UniWALM 将视频、动作、语言统一进单一模型用于机器人操控一篇机器人方向的论文:UniWALM 把动作和语言记忆塞进一个模型一起生成,真实抓物成功率从 11% 拉到 61%,比 Mem-0 那套省事不少。#UniWALM#VLA#Flow Matching#RMBenchaarXiv cs.AI@Rahul Sajnani 等 12 人原文稍后读已读值得跟进有用关注 UniWALM