HumanVLA：邁向由實體人形機器人執行基於視覺語言引導的物體重新排列

本文提出了一種名為 HumanVLA 的新型視覺語言動作模型，該模型能夠引導實體人形機器人根據自然語言指令和自我中心視覺感知，執行通用的物體重新排列任務。