跳到正文
arXiv · 机器人与计算机视觉· Tianhui Cai, Xinglong Sun, Chao Fang, Zhenxin Li, Rui Song, Jose M. Alvarez, Yunxiang Mao, Jiaqi Ma, Langechuan Liu·· 2026-10-09AI 评分74

AffordDrive3D:基于空间理解的感知 - 动作建模与世界模型研究

AffordDrive3D: Affordance-Aware World-Action Modeling with Spatial Understanding

AI 导读

论文提出 AffordDrive3D,一种结合动作相关性(affordance)与几何感知的世界 - 动作模型。该工作利用视觉语言模型(VLM)骨干预测可行驶区域和碰撞关键区域,同时从 RGB 世界模型潜在变量预测未来几何结构。

来源:arXiv · 机器人与计算机视觉 · arxiv.org