arXiv cs.RO· Shengjun Deng, Yinghan Zhang, Chengrui Wei, Liu Liang, Songyuan Liu, Pengkun Zheng, Yajun Zheng, Ying Zhang, Yuan Tian, Xi Li, Teng Wang·· 15 小时前AI 评分64
DobotTrack：面向具身人员跟随的目标锚定视觉-语言-动作学习框架
DobotTrack: Target-Grounded Vision-Language-Action Learning for Embodied Person Tracking
AI 导读
DobotTrack 提出目标锚定的视觉-语言-动作（VLA）框架，用于语言引导的具身人员跟随，在 EVT-Bench 上以 0.8B 参数模型取得 77.9% 平均成功率，比 OmTrackVLA 高 16.9 个百分点。
来源：arXiv cs.RO · arxiv.org