VLM引导的Transformer-VAE注视动态方法发布

2026年10月15日，arXiv Robotics刊出研究团队论文《Eye, Robot：用 VLM 引导的 Transformer-VAE 学习富有表现力的注视动态》。据该报道，作者Yuhang Hu等人提出一套机器人注视系统，将任务拆分为三部分：由异步视觉语言模型（VLM）选择场景中的注视对象，由反应式感知模块维持注视，再由Realistic Gaze Transformer（RGT）生成以目标为条件的运动。报道引述论文原文称，作者正是以这种异步VLM、反应式感知模块与RGT的组合来分离上述任务。该报道未提及系统的适用平台、地域、收费或额度等信息，也未给出与早先报道存在数字、时间或说法出入的内容。目前事件进展停留在论文发布与系统方法介绍层面。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。