跳到正文
arXiv · AI· Bingao Chen, Lihan Zha, C. Karen Liu, Guy Tevet·· 2026-10-15AI 评分26

FoveaVLA:利用注视动作替代VLAs中的腕部相机

FoveaVLA: Foveation Actions Replace the Wrist Camera in VLAs

AI 导读

FoveaVLA模型通过预测注视动作替代腕部相机,解决外部相机分辨率低导致的细节丢失问题。 基于π0.5构建的单双视角配置,在DROID数据集上后训练。 单视角在四项真实任务中成功率达70.8%,双视角达77.1%,超过腕部相机基线的52.1%。

来源:arXiv · AI · arxiv.org