UNA NUEVA PERSPECTIVA

LATIDIA

Preparando tu experiencia…

Tu lugar en este universo.

Con tu autorización. Las coordenadas se muestran sólo en esta página y no se guardan.

CONECTANDO FUENTES
← Actualidad

LATIDIA · Robótica

XEmbodied: un modelo de cimentación con señales geométricas y físicas mejoradas para entornos incorporados a gran escala

arXiv: 2604.18484v2Tipo de anuncio: reemplazar-cruz Resumen: Los modelos de Visión-Lenguaje-Acción (VLA) impulsan los sistemas autónomos de próxima generación, pero entrenarlos requiere anotaciones escalables y de alta calidad del entorno complejo

WhatsApp ↗Telegram ↗
Ilustración editorial relacionada con XEmbodied: un modelo de cimentación con señales geométricas y físicas mejoradas para entornos incorporados a gran escala
Ilustración conceptual de LATIDIA.

La noticia

arXiv:2604.18484v2 Announce Type: replace-cross Abstract: Vision-Language-Action (VLA) models drive next-generation autonomous systems, but training them requires scalable, high-quality annotations from complex environments. Current cloud pipelines rely on generic vision-language models (VLMs) that lack geometric reasoning and domain semantics due to their 2D image-text pretraining. To address this mismatch, we propose XEmbodied, a cloud-side foundation model that endows VLMs with intrinsic 3D geometric awareness and interaction with physical cues (e.g., occupancy grids, 3D boxes). Instead of treating geometry as auxiliary input, XEmbodied integrates geometric representations via a structured 3D Adapter and distills physical signals into context tokens using an Efficient Image-Embodied Adapter. Through progressive domain curriculum and reinforcement learning post-training, XEmbodied

← Volver a los modelos

Cargando ficha del modelo…

LATIDIA / lectura con contexto