Hugging Face Daily Papers·· 1 天前AI 评分26
G^3VLA：为视觉-语言-动作模型注入几何归纳偏置
G^3VLA: Geometric Inductive Bias for Vision-Language-Action Models
AI 导读
G^3VLA 通过射线嵌入、投影位置编码（PRoPE）和双向跨视角融合，将标定好的多相机几何结构注入预训练 VLA 的视觉 token 流，且不改变动作空间或原始动作学习目标。
来源：Hugging Face Daily Papers · huggingface.co