arXiv · 机器人与计算机视觉· Song-Li Wu, Chubin Zhang, Wenbo Ding, Yansong Tang·· 2026-10-20AI 评分49
RoboPhoto-VLA 发布:基于视觉语言动作模型的机器人摄影系统
Robotic Photography System based on Vision-Language-Action Model
AI 导读
RoboPhoto-VLA 提出统一框架,联合感知、推理与相机控制实现自主机器人摄影。该系统引入 PhotoCoT 进行结构化规划及 ADPO 对齐审美偏好,并构建 OpenPhotography 数据集支持训练评估。真实实验表明其在未见主体、视角及复杂指令下均能生成符合人类审美的照片。
来源:arXiv · 机器人与计算机视觉 · arxiv.org