arXiv Robotics· Chaoran Zhu, Hengyi Wang, Chenglin Cui, Yazhe Wan, Taein Kwon, Changjae Oh·· 2 小时前AI 评分31
面向视觉-语言-动作模型的关系空间对齐方法
Relational Spatial Alignment for Vision-Language-Action Models
AI 导读
研究提出关系空间对齐方法，通过对齐成对关系而非逐点相等，向视觉-语言-动作（VLA）模型注入 3D 空间感知，避免直接对齐 3D 基础模型导致的表征秩崩塌。该方法在公开基准、新构建的空间推理基准及真实机器人操作场景中验证，在多种操作任务上取得稳健性能并增强空间感知能力。
来源：arXiv Robotics · arxiv.org