AffordanceVLA：可供性感知的VLA框架

2026年10月20日，arXiv Robotics 刊出 Qize Yu 等作者的论文，提出 AffordanceVLA 视觉-语言-动作模型框架。据该报道，这一框架把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，以建立更精确、更稳健的感知—动作映射；它通过 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。报道称该框架具有可扩展、统一的特点。目前公开信息仅来自这一篇主报道，尚无跟进报道披露实验结果、对比基线或适用场景等细节，事件进展停留在框架提出与架构说明阶段。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。