跳到正文
arXiv · 机器人与计算机视觉· Yue Peng, Yongzhe Zhao, Artur Habuda, Khuyen Pham, Yanheng Zhu, Tran Nguyen Le, Fares Abu-Dakka, Li Guo·· 2026-10-15AI 评分65

G$^3$VLA:为视觉语言动作模型引入几何归纳偏置

G$^3$VLA: Geometric Inductive Bias for Vision-Language-Action Models

AI 导读

论文 G$^3$VLA 针对现有 VLA 模型仅依赖 2D 图像坐标的局限,提出一种相机感知的几何模块,通过内参条件射线嵌入、投影位置编码及双向跨视角融合建立几何一致表示。

来源:arXiv · 机器人与计算机视觉 · arxiv.org