FoveaVLA用注视动作替代腕部相机
热点事件持续更新
FoveaVLA用注视动作替代腕部相机
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究团队发布FoveaVLA，一种用学习到的注视（foveation）动作取代腕部相机的Vision-Language-Action模型。该模型在每次预测动作块时同时预测下一步需要观察的交互区域，并从原始分辨率图像中裁剪该区域供策略使用。 论文报告，在配备一个外部RGB-D视角的条件下，FoveaVLA-Single成功率为70.8%，双视角的FoveaVLA-Dual为77.1%，而配备腕部相机的π0.5为52.1%。
AI 根据报道生成 · 50 分钟前更新
最新进展10月23日 12:00
FoveaVLA：用注视动作取代 VLA 中的腕部相机报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AIFoveaVLA：用注视动作取代 VLA 中的腕部相机
FoveaVLA 是一种 Vision-Language-Action（VLA）模型，用学习到的注视（foveation）动作取代腕部相机，在每次预测动作块时同时预测下一步需要观察的交互区域，并从原始分辨率图像中裁剪该区域供策略使用。
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。