跳到正文
arXiv · 机器人与计算机视觉· Junmyeong Lee, Dongmin Shin, Min-Gyu Park, Wooseok Jeon, Inho Chang, Hae-Gon Jeon·· 2026-10-09AI 评分73

WARP-VLA:面向视觉语言动作模型的腕部相机视角鲁棒性策略执行研究

WARP-VLA: Wrist-Camera Adaptation for View-Robust Policy Execution in Vision-Language-Action Models

AI 导读

针对视觉语言动作模型(VLA)在腕部相机配置变化下性能敏感的问题,论文提出 WARP-VLA 架构,利用专家混合结构学习特定视角的特征变换,无需额外输入相机外参即可实现部署。实验显示该方法将 LIBERO 基准上的平均成功率从 39.2% 提升至 78.3%,且仿真学到的特征级适应能成功迁移到真实机器人部署场景。作者开源了腕部视角鲁棒性基准及即插即用实现,以促进复现与后续研究。

来源:arXiv · 机器人与计算机视觉 · arxiv.org