arXiv Robotics· Qize Yu, Jiadi You, Yuran Wang, Jiaqi Liang, Bowen Ping, Yang Tian, Yue Chen, Bohan Zhou, Wenxuan Song, Minghong Cai, Zeying Gong, Ruihai Wu, Yinchuan Li, Junwei Liang, Yingcong Chen·· 2 小时前AI 评分40
AffordanceVLA：以可供性感知理解驱动动作生成的视觉-语言-动作模型
AffordanceVLA: A Vision-Language-Action Model Empowering Action Generation through Affordance-Aware Understanding
AI 导读
AffordanceVLA 提出以结构化可供性学习作为任务导向、以物体为中心的中间表示，通过 Which2Act、Where2Act、How2Act 三个组件构建空间落地、语义条件化且与动作耦合的表示，并集成进 Mixture-of-Transformer（MoT）架构。
来源：arXiv Robotics · arxiv.org