GazeAct: A Human-Gaze-Annotated Manipulation Dataset for Attention-Regularized Policies
日本語版は未提供のため、英語原文で表示しています。
要旨より
Vision-language-action (VLA) policies must ground language instructions in the right objects, contact points, and target locations for reliable manipulation. Human gaze provides a natural signal for this grounding, but existing robot datasets rarely pair real human gaze with the multi-camera observations used by modern policies.
要旨より。当社による要約は作成中です。
この論文はライセンス上、全文を転載できないため、要約と原文へのリンクのみを掲載しています。