#视觉-语言-动作模型

DeCAL模型通过触觉感知和物理动力学建模，解决了灵巧操作中的视觉遮挡问题，在未见场景中表现出色。

阿里DAMO Academy开源的CamVLA，机器人不用提前知道相机位置也能适应视角变化，单张RGB图像搞定，部署更灵活。

斯坦福搞了个新方法，让机器人自己学会想什么有用，不用人教也不用奖励，挺酷的。

Stanford AI Lab@StanfordAILab原文

这篇论文提出了一种新思路：用几何基础模型直接做机器人操作策略，不依赖二维图像，效果更快更准更轻。

机器人研究者终于有了一个专门测试认知推理和意外应对的基准——RoboWits 揭示了 VLA 模型在变异任务上的脆弱性，做机器人操作和具身智能的团队值得关注这个评估框架。