Vision-language-action models without wrist cameras (learned foveation)进阶
FoveaVLA:用学习的“注视”动作取代手腕相机的VLA模型
斯坦福大学和普林斯顿大学的预印本提出一种不用手腕相机的机器人策略,它在固定外部相机画面中自行选择需要放大的区域,真实任务成功率单相机70.8%、双相机77.1%,而同一基座模型配手腕相机为52.1%。机械臂上少一个相机,机器人更便宜更耐用,也能利用没有手腕视角的人类视频训练。
机器人与具身智能领域的最新论文,以及每篇对产业的意义。
斯坦福大学和普林斯顿大学的预印本提出一种不用手腕相机的机器人策略,它在固定外部相机画面中自行选择需要放大的区域,真实任务成功率单相机70.8%、双相机77.1%,而同一基座模型配手腕相机为52.1%。机械臂上少一个相机,机器人更便宜更耐用,也能利用没有手腕视角的人类视频训练。
论文来自 arXiv 机器人领域。尚未生成摘要的论文,显示摘要开头部分。