arXiv · 机器人与计算机视觉· Zeyuan He, Bowen Yang, Zhirui Fang, Keru Zhou, Lei Jiang, Jingjing Qian, Fan Mo, Junchi Yan, Philip Torr, Xiu Li, Li Jiang, Jialin Yu·· 2026-10-20AI 评分72
ELAN4D:通过即插即用适配实现具身中心的 4D 监督以增强视觉语言动作模型
ELAN4D: Embodiment-Centric 4D Supervision for Vision-Language-Action Models via Plug-and-Play Adaptation
AI 导读
针对现有视觉语言动作(VLA)策略仅基于当前观测进行反应式操作、缺乏未来动态建模的局限,本文提出 ELAN4D 框架。该方法利用本体感知状态的正运动学推导机器人关键点(如关节和末端执行器)的三维位移轨迹,将其作为预测性的时空监督信号注入动作专家分支,同时通过梯度隔离保留预训练的视觉语言主干网络。
来源:arXiv · 机器人与计算机视觉 · arxiv.org