STVLA:融合空间感知与时序记忆的VLA框架
STVLA: Spatial-aware and Temporal-memory forVision-Language-Action Models
AI 摘要
研究团队提出 STVLA 视觉-语言-动作框架,将预训练视觉几何基础模型的特征引入时序记忆,使策略在决策时能回忆过去的场景空间结构,而非只依赖当前观测或易受遮挡影响的外观记忆;并用有数学依据的打分规则筛选与当前观测互补的历史信息。原文未披露具体评测数字。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。