arXiv cs.RO 机器人学· Jingkun Yi, Shujie Zhang, Zirui Zhou, Haoxiao Wang, Haiyang Sun, Yuhang Dong, Xudong Xu, Xing Shen, Tao Zhang, Yong Liu, Jiangning Zhang·· 2 小时前精选AI 评分57
EASG：让预训练VLM以文本生成接口直接输出机器人动作
VLMs are Native Action Models: Unleashing the Manipulation Capabilities of VLMs with Explicit Action-Space Grounding
AI 导读
论文提出EASG（Explicit Action-Space Grounding）框架，将以工具中心点（TCP）为中心的动作坐标系投影到腕部相机观测中，并以VLM原生的文本生成接口表达连续动作，使预训练VLM无需机器人动作预训练或额外动作模块即可直接生成可执行动作。该接口同时支持用机器人轨迹微调，实现跨物体位置、类别和机器人本体的零样本操作与泛化，并在同一连续动作空间内持续微调提升。
推荐理由
论文指出VLA通常需从机器人数据学习动作token，而EASG用文本接口直接暴露动作语义，为理解VLM动作接口设计提供了对照视角。
来源：arXiv cs.RO 机器人学 · arxiv.org