ICLR 2026 / 视觉语言动作模型

D2E: Scaling Vision-Action Pretraining on Desktop Data for Transfer to Embodied AI

作者：Suhwan Choi, &Jaeyoon Jung, &Haebin Seong, &Minchan Kim, Minyeong Kim · 单位：Stanford University, Seoul National University, MAUM.AI · 会议/期刊：ICLR 2026 · 分类：视觉语言动作模型 · 发布日期：2025

具身智能预训练
新标签打开 AlphaXiv新标签打开 Project新标签打开 Code
D2E: Scaling Vision-Action Pretraining on Desktop Data for Transfer to Embodied AI figure
AlphaXiv 中文概览（可滚动查看）