VersaCamVLA

新框架VersaCamVLA通过适应性相机策略增强机器人操作能力

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。