arXiv · 机器人与计算机视觉· Riddhi Chatterjee, Ritish Shrirao, Kushagra Mehrotra, Viswanath Gopalakrishnan·· 2026-10-20精选AI 评分85
目标图像即控制目标:用于机器人操作的基于空间的 grounded 目标图像合成研究
Goal Images Are Control Targets: Spatially-Grounded Goal-Image Synthesis for Robotic Manipulation
AI 导读
该研究指出通用图像编辑指标无法预测机器人操作的成功率,在 CALVIN 和 SIMPLER-Bridge 基准上验证了大型专有编辑器在多步任务中表现不如小型微调开源模型。
推荐理由
论文证明编辑画质与机器人控制成功率无关,提出基于空间掩码的 SGE-Goal 框架将开源基座模型转化为最强目标生成器。
来源:arXiv · 机器人与计算机视觉 · arxiv.org