跳到正文
arXiv · 机器人与计算机视觉· Huixin Xu, Ziya Yu, Peng Li·· 27 天前精选AI 评分84

FocusVLA:面向视觉语言动作模型的意图引导动态视图路由方法

FocusVLA: Future-Intent Guided Dynamic View Routing for Vision-Language-Action Models

AI 导读

针对现有视觉语言动作模型过度依赖腕部视角、缺乏跨任务阶段全局与局部观察自适应协调的问题,论文提出 FocusVLA 框架。该方法通过历史动作预测未来交互意图并指导动态视图路由,在不修改核心架构的前提下适配现有 VLA 系统。

推荐理由

提出 FocusVLA 框架,利用未来意图引导动态视图路由,在 RoboTwin 2.0 及真实场景中显著提升 VLA 模型成功率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org