Vision-language-action models without wrist cameras (learned foveation)Fortgeschritten
FoveaVLA: VLA-Modell ersetzt die Handgelenkkamera durch gelernte Blicksteuerung
Ein Preprint von Stanford und Princeton zeigt eine Robotersteuerung ohne Handgelenkkamera, die selbst entscheidet, welchen Ausschnitt eines festen externen Kamerabilds sie vergrößert. Die Erfolgsquote stieg auf 70,8 Prozent mit einer und 77,1 Prozent mit zwei Kameras, gegenüber 52,1 Prozent für dasselbe Basismodell mit Handgelenkkamera.