Multi-Stream Action Transformer (MSAT)

深度分析

RLDX-1：MSAT 驅動的視覺-語言-動作策略，結合長時記憶與物理感測

面對現有視覺-語言-動作模型在動態與接觸任務的短板，RLDX-1以Multi-Stream Action Transformer整合影像、運動感知、長時記憶與物理感測；並透過合成稀有場景資料、三階段訓練與推理優化，在仿真與實機基準上達到顯著提升，部分任務成功率超過八成。