arXiv Robotics· Bingao Chen, Lihan Zha, C. Karen Liu, Guy Tevet·2026-10-15 12:00· 4 小时前AI 评分41

FoveaVLA：用注视动作替代 VLA 中的腕部相机

FoveaVLA: Foveation Actions Replace the Wrist Camera in VLAs

AI 导读

FoveaVLA 是一种用学习到的注视动作替代腕部相机的 Vision-Language-Action 模型，基于 π0.5 构建 Single 和 Dual 两种配置，并在 DROID 数据集上结合 RoboInter 交互标注进行后训练。

来源：arXiv Robotics · arxiv.org