几何解码替代令牌解码的VLM方法

2026年10月29日，arXiv上发布了一篇关于机器人视觉语言模型(VLM)的新研究。该方法利用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测试中，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。这种方法通过解码几何而非标记，实现了更高效的机器人抓取和轨迹预测。

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。