VLA（視覚・言語・行動モデル）

VLAとは？画像と言葉をロボットの動作につなぐ視覚・言語・行動モデル AIの初心者 画像を見て「赤いカップがあります」と答えるAIなら知っています。そのAIに頼めば、ロボットもカップを運べるのでしょうか？ AI専門家 物を見分けるだけでは、...