跳到正文
热点事件持续更新

刘金希等提出 OVOA-VLA 模型解决多视角 VLA 空间泛化问题

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

针对多视角视觉语言动作模型在空间泛化上的挑战,Jinxi Liu 等人于 2026 年 11 月 20 日发布论文,提出了 One View, One Action (OVOA-VLA) 架构。该研究通过联合训练基座帧专家与视图特定专家并引入跨图一致性机制,旨在实现模型对不同相机视角和机器人初始状态变化的鲁棒性。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · 机器人与计算机视觉
    One View, One Action:基于观察对齐专家的具身智能视觉语言动作模型

    针对多视角视觉语言动作模型在空间泛化上的挑战,该研究提出 One View, One Action (OVOA-VLA) 架构,通过联合训练基座帧专家与视图特定专家并引入跨图一致性机制,实现了对不同相机视角和机器人初始状态变化的鲁棒性。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。