Научный сотрудник лаборатории когнитивных систем ИИ AIRI Егор Черепанов выступил на Turbo ML Conf с обзорным докладом о VLA-моделях (Vision-Language-Action).

Спикер описал типовую архитектуру подобных нейросетей, историю их развития, и обозначил проблемы, которые стоят перед разработчиками подобных решений:

• небольшая длина контекста;

• нехватка данных для обучения и высокая стоимость их получения;

• отсутствие обучения на собственных ошибках;

• неспособность стабильно накапливать новые навыки.