Vision-language-action models without wrist cameras (learned foveation)중급
FoveaVLA: 손목 카메라 대신 '어디를 볼지' 학습하는 VLA 모델
스탠퍼드대와 프린스턴대 연구진이 손목 카메라를 떼고, 고정된 외부 카메라 영상에서 확대해 볼 영역을 스스로 고르는 로봇 정책을 프리프린트로 공개했다. 실제 작업 성공률은 카메라 1대로 70.8%, 2대로 77.1%였고, 같은 기반 모델에 손목 카메라를 단 경우는 52.1%였다. 팔에 붙는 카메라가 줄면 로봇은 싸고 튼튼해지고, 손목 시점이 없는 사람 영상도 학습 데이터로 쓸 수 있다.