arXiv cs.RO 机器人学· Yue Peng, Yongzhe Zhao, Artur Habuda, Khuyen Pham, Yanheng Zhu, Tran Nguyen Le, Fares Abu-Dakka, Li Guo·· 2 小时前同新闻AI 评分57
G³VLA：为视觉-语言-动作模型注入相机几何归纳偏置
G$^3$VLA: Geometric Inductive Bias for Vision-Language-Action Models
AI 导读
论文提出 G³VLA，一个相机感知的几何模块，将标定好的相机结构注入预训练 VLA 的视觉 token 流，而不改动其动作空间和原始动作学习目标。该方法结合内参条件化的射线嵌入、投影位置编码 PRoPE 和双向跨视角融合，并用真值点图或置信度门控的 π³X 教师预测提供几何监督，无需深度传感器或人工几何标注。
同一新闻，精选展示《G^3VLA：为 VLA 模型注入相机标定几何先验》
来源：arXiv cs.RO 机器人学 · arxiv.org