arXiv · cs.RO· Shengzhe Zhang·· 17 小时前精选AI 评分65
$A^3$-VLA：机器人操作中的自动感知引导注意力对齐
$A^3$-VLA: Automatic Perception-Guided Attention Alignment for Robot Manipulation
AI 导读
Shengzhe Zhang 提出了一种名为 $A^3$-VLA 的框架，用于机器人操作中的自动感知引导注意力对齐。该框架通过从操作过程中生成目标对象和机器人的启发式候选区域，并利用视觉分割模型进行优化，解决了现有视觉-语言-动作模型(VLA)缺乏细粒度任务特定感知监督的问题。实验表明，$A^3$-VLA 在模拟和真实世界操作任务中，将多个VLA骨干模型的平均成功率提升了6.5%-25.2%。
推荐理由
通过从操作过程中提取视觉引导，$A^3$-VLA 解决了机器人操作中注意力偏离目标对象的问题，成功将成功率提升6.5%-25.2%。
来源：arXiv · cs.RO · arxiv.org