G^3VLA 发布：为 VLA 注入相机几何

论文作者发布 G^3VLA，一个相机感知几何模块，把标定好的多相机几何结构注入预训练视觉-语言-动作模型（VLA）的视觉 token 流，同时不改变其动作空间或原始动作学习目标。 该模块采用射线嵌入、投影位置编码（PRoPE）和双向跨视角融合三项设计。上述内容来自论文作者在 Hugging Face Daily Papers 发布的一手信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。