Tags: #embodied reasoning

精读 ThinkAct：用动作对齐的视觉奖励通过 GRPO 训练 embodied reasoning，再以视觉计划 latent 条件化 DiT Action Model，实现长时规划、少样本适应与自纠错。

精读 ChatVLA-2：通过 Dynamic MoE、reasoning-following action expert 与两阶段训练，让 VLA 在数学、OCR 和空间关系任务中利用预训练 VLM 的开放世界知识。