跳到正文
arXiv · AI· Yue Peng, Yongzhe Zhao, Artur Habuda, Khuyen Pham, Yanheng Zhu, Tran Nguyen Le, Fares Abu-Dakka, Li Guo·· 2026-10-15AI 评分39

G$^3$VLA:面向视觉-语言-动作模型的几何归纳偏置模块

G$^3$VLA: Geometric Inductive Bias for Vision-Language-Action Models

AI 导读

G$^3$VLA 通过相机感知的几何模块,在保持预训练 VLA 动作空间不变的情况下,向视觉 token 流中注入校准的几何结构。 该模块结合了本征条件射线嵌入、投影位置编码(PRoPE)和双向跨视图融合,使用真值点图或 $\pi^3$X 教师预测作为几何监督,无需深度传感器或人工标注。

来源:arXiv · AI · arxiv.org