arXiv cs.RO 机器人学· Bingao Chen, Lihan Zha, C. Karen Liu, Guy Tevet·· 2 小时前精选AI 评分62
FoveaVLA：用注视动作替代 VLA 中的腕部相机
FoveaVLA: Foveation Actions Replace the Wrist Camera in VLAs
AI 导读
FoveaVLA 是一个用学习到的注视动作替代腕部相机的 VLA 模型，在预测动作块的同时预测下次查询需要观察的交互区域，并从原始分辨率图像裁剪该区域与全景一起输入策略。
推荐理由
论文给出与腕部相机基线的对照成功率，读者可据此评估外置相机加注视裁剪方案的取舍。
来源：arXiv cs.RO 机器人学 · arxiv.org