Hugging Face 每日论文·· 1 天前精选AI 评分57
G^3VLA：为 VLA 模型注入相机标定几何先验
G^3VLA: Geometric Inductive Bias for Vision-Language-Action Models
AI 导读
论文提出 G^3VLA，一个相机感知的几何模块，在不改变动作空间和原始动作学习目标的前提下，向预训练 VLA 的视觉 token 流注入标定结构。它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，几何监督可来自真值点图或置信度门控的 π^3X 教师预测，无需深度传感器或人工几何标注。
推荐理由
论文给出相机标定扰动下的对照实验，说明几何增益依赖正确标定且对轻微扰动稳定，便于评估方法的实用边界。
来源：Hugging Face 每日论文 · huggingface.co