基于视觉基元的动作（AVP）

Weilong Guo, Yuchen Wang, Renping Zhou, Yunfeng Zhang, Rui Fang, Yue Meng, Wenda Xu, Yuan He, Gao Huang

2026

摘要

提出AVP架构，通过让VLM推断下一阶段目标并生成视觉基元token，来条件化流匹配动作专家，从而解耦指令理解、场景感知与运动控制。在通用拾放任务上，AVP相比pi_0.5提升27.61%成功率，并在数据效率、空间组合泛化和物体级迁移上表现一致。

Vision-Language-Actionvisual primitivesrobotic manipulationflow matchinggeneralization

MANIPULATION

📊 2 引用

Yusen Li, Ziwei Wang, Xiangye Zhu 等 12 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 1 引用

Shaoqing Qin, Lida Zhu, Yanpeng Hao 等 10 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Bo Li, Yuanbo Zhao, Huijie Xiao 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Hao Li, Yuhui Yu, Rui Fu 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026