跳到正文
arXiv · 机器人与计算机视觉· Shengjun Deng, Yinghan Zhang, Chengrui Wei, Liu Liang, Songyuan Liu, Pengkun Zheng, Yajun Zheng, Ying Zhang, Yuan Tian, Xi Li, Teng Wang·· 10 天前精选AI 评分84

DobotTrack:面向具身智能的目标 grounded 视觉 - 语言 - 动作学习框架

DobotTrack: Target-Grounded Vision-Language-Action Learning for Embodied Person Tracking

AI 导读

论文提出了 DobotTrack,这是一个结合辅助 grounding 监督与高效时序建模的视觉 - 语言 - 动作(VLA)框架,旨在让移动智能体根据描述识别目标并持续跟踪。

推荐理由

该工作提出 DobotTrack 框架,通过辅助监督与历史特征压缩提升目标跟踪成功率,并在四足机器人上构建了大规模真实数据集。

来源:arXiv · 机器人与计算机视觉 · arxiv.org