G³VLA：为VLA模型注入相机几何归纳偏置

2026年10月15日，Yue Peng等作者在arXiv Robotics提交论文预印本，提出G³VLA——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。该模块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。据该预印本称，几何监督由真值点图或经置信度门控的π³X教师预测提供，从而无需深度传感器或人工几何标注即可训练；在π₀上，G³VLA在两种监督方式下均持续提升LIBERO与RoboCasa24表现，真值监督下还提升了三相机RoboTwin2.0五任务均值；跨π₀与π₀.₅的受控标定研究表明，这些增益依赖正确的相机几何，同时在轻微标定扰动下保持稳定。上述内容均为该来源自述，尚待进一步验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。