arXiv cs.RO· Bingao Chen, Lihan Zha, C. Karen Liu, Guy Tevet·· 2 小时前AI 评分58
FoveaVLA 用注视动作替代 VLA 中的腕部相机
FoveaVLA: Foveation Actions Replace the Wrist Camera in VLAs
AI 导读
FoveaVLA 是一个用学习到的注视动作替代腕部相机的视觉-语言-动作（VLA）模型，在预测每个动作块的同时预测下一次策略查询需要观察的交互区域，并从原始分辨率图像中裁剪该区域与全景一起输入策略。
来源：arXiv cs.RO · arxiv.org