跳到正文
arXiv · 机器人与计算机视觉· Chaoran Zhu, Hengyi Wang, Chenglin Cui, Yazhe Wan, Taein Kwon, Changjae Oh·· 2026-10-20AI 评分58

面向视觉语言动作模型的关系式空间对齐方法

Relational Spatial Alignment for Vision-Language-Action Models

AI 导读

针对现有方法通过直接对齐预训练 3D 基础模型表示导致 VLA 模型特征空间秩坍缩的问题,本文提出一种关系式空间对齐方法,将关注点从点对点相等转向成对关系对齐。该方法能在注入 3D 空间感知能力的同时保持模型的原始表达能力。实验在公开基准、新的空间推理基准及真实世界操作场景中均表明,该方法能有效将 3D 空间表示融入 VLA 推理,实现多样化的操作任务中的鲁棒性能与增强的空间感知能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org