解码几何而非标记：用于机器人 affordance 和轨迹预测的高效 VLM

本文提出一种方法，利用0.5-2B参数的现成VLM中间隐藏状态中的空间信息，通过轻量几何兼容预测头直接回归affordance框和轨迹点作为连续值。在ShareRobot-Bench和AGD20K上测试，2B变体在轨迹预测上降低60%以上误差，affordance mAP提升85%，在3.8倍吞吐量下接近RoboBrain性能。