arXiv · 机器人与计算机视觉· Zhuo Han, Yeqiang Wang, Xinran Wang, Hongwei Han, Yi Xiong, Zunian Wan, Jianbo Mao, Huan Peng, Yongcheng Liu, Wei Shan, Maoqing Yao·· 6 天前AI 评分73
STVLA:融合空间感知与时序记忆的视觉语言动作模型框架
STVLA: Spatial-aware and Temporal-memory forVision-Language-Action Models
AI 导读
针对机器人操作需同时理解场景结构与任务历史的问题,该研究提出 STVLA 框架,将预训练视觉几何基础模型的表征融入时序记忆,使策略能回忆过去场景结构以辅助当前决策。
来源:arXiv · 机器人与计算机视觉 · arxiv.org