arXiv · 机器人与计算机视觉· Yijiang Li, Bingyang Wang, Nuno Vasconcelos·· 2026-10-16AI 评分72
ACT3D:让 VLM 在 3D 世界中学习与探索
Learning to Think and Explore in 3D World
AI 导读
该论文提出 ACT3D 方法,研究视觉语言模型如何在仅接收单张图像输入的情况下,像人类一样主动探索三维空间并思考以回答问题。通过初始轨迹监督微调后,利用最终答案正确性驱动的强化学习训练,模型无需直接视点指令即可学会有效的探索策略。
来源:arXiv · 机器人与计算机视觉 · arxiv.org