arXiv Robotics· Yue Peng, Yongzhe Zhao, Artur Habuda, Khuyen Pham, Yanheng Zhu, Tran Nguyen Le, Fares Abu-Dakka, Li Guo·· 4 小时前AI 评分24
G$^3$VLA：为视觉-语言-动作模型注入几何归纳偏置
G$^3$VLA: Geometric Inductive Bias for Vision-Language-Action Models
AI 导读
G$^3$VLA 是一个相机感知几何模块，可将标定结构注入预训练 VLA 的视觉 token 流，且不改变其动作空间与原始动作学习目标。它结合内参条件射线嵌入、投影位置编码（PRoPE）和双向跨视角融合，在 π₀ 上持续提升 LIBERO 与 RoboCasa24 表现，真值监督下还提升了三相机 RoboTwin2.0 五任务均值。
来源：arXiv Robotics · arxiv.org