跳到正文
arXiv · 机器人与计算机视觉· Wenhao Li, Zhongyi Han, Yuhao Wei, Liang Han, Yilong Yin, Liqiang Nie·· 12 小时前AI 评分75

面向位姿鲁棒的少样本视觉语言动作模型研究

Towards Pose-Robust Few-Shot Vision-Language-Action Models

AI 导读

针对视觉语言动作(VLA)模型因相机或机器人基座微小位移导致操作失败的问题,本文提出 WACO 世界锚定规范框架。该框架利用机械臂正运动学作为度量校准目标、静态场景作为世界锚点,无需真值外参即可从单帧 RGB-D 图像估计位姿偏移并规范化输入与策略。

来源:arXiv · 机器人与计算机视觉 · arxiv.org