GeoHAT移动操作框架论文发布

2026年10月27日，arXiv Robotics 刊出 Xiangyu Zhu 等作者的论文，提出 GeoHAT——一个面向移动操作的端到端扩散框架，全称“几何自适应混合动作 Transformer”。据该论文，GeoHAT 用轻量 Fourier 空间编码器把逐像素 3D 坐标映射为几何 token，再按深度有效性门控注入视觉基础模型特征，因此无需额外的 3D 视觉骨干。作者称其设计原则是“几何只应在可靠处注入、只在需要处被关注”。目前该工作处于论文发布阶段，报道未提及代码、数据集或模型权重的公开情况，也未给出基准测试结果或与其他方法的对比数据；后续进展有待跟进。

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。