VLA 的空间感知：多视角 RGB-D、相机标定与三维动作落地

围绕 VLA（视觉-语言-动作模型）的空间感知，讨论多视角 RGB-D 输入、相机标定与三维动作落地三个环节。内容聚焦如何让 VLA 在真实三维空间中完成动作执行，涉及多相机深度感知与标定对齐。