arXiv cs.RO· Shengzhe Zhang, Qi Zhang, Dazhong Shen, Chao Wang, Shaopeng Zhai, Hui Xiong·· 5 天前AI 评分60
A³-VLA：面向机器人操作的自动感知引导注意力对齐框架
$A^3$-VLA: Automatic Perception-Guided Attention Alignment for Robot Manipulation
AI 导读
作者提出 A³-VLA 框架，从操作过程本身生成目标物体与机器人的候选区域，并用视觉分割模型离线精修，作为显式感知引导。该框架通过注意力分配损失和对比学习损失，让语言或机器人状态 token 查询视觉输入时聚焦任务关键区域。在仿真与真实操作任务上，A³-VLA 对多个 VLA 主干模型均有提升，基准平均成功率提高 6.5%–25.2%。
来源：arXiv cs.RO · arxiv.org