ZeroDex用多视角3D接地实现零样本长程灵巧操作

Jisoo Kim等提出ZeroDex框架，把语言指令从标定的多视角RGB图像接地为可执行的3D任务计划，执行由3D接地驱动而非学习策略，无需为特定任务或本体收集演示或后训练。 论文称，真实实验中其3D接地精度和任务成功率高于基于单张RGB-D图的零样本视觉提示与约束类基线，且无需演示的系统优于用100条任务演示微调的VLA策略；长程操作中执行验证与重规划可从中间失败中恢复，并能泛化到未见物体和新场景中的工具使用任务。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。