研究人员开发了VersaCamVLA,一个旨在使视觉-语言-动作(VLA)模型更能适应机器人操作任务中不同相机设置的新框架。该框架学习了一个统一的场景令牌接口,将不同的相机视图转换为一致的格式,从而使预训练的VLA模型能够有效运行,而无需显式的3D传感或新视图渲染。在RoboTwin和LIBERO等多个平台上的实验表明,VersaCamVLA在保持不同相机配置和姿态下的性能方面优于现有方法。 AI
影响 通过允许VLA模型在各种相机配置下运行,增强了机器人操作系统的适应性。
排序理由 该集群包含一篇详细介绍机器人领域AI新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →