MANIPULATION
3DVLA：通过3D空间与实例理解增强视觉-语言-动作模型
Zhongyu Xia, Yousen Tang, Bingqing Wei, Yongtao Wang
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
该论文提出3DVLA框架，通过显式多视图一致性约束、实例估计模块和掩码自监督3D编码，解决了视觉-语言-动作模型缺乏3D场景理解的问题。该框架无需额外标注即可增强预训练模型的3D推理能力，显著提升了机器人操作任务中的空间感知与遮挡鲁棒性。
关键词
3D scene understandingvision-language-actionrobotic manipulationmulti-view consistencyself-supervised learning
相关论文
MANIPULATION
📊 7,533 引用
Real-Time Obstacle Avoidance for Manipulators and Mobile Robots
Oussama Khatib
1986
MANIPULATION
📊 6,720 引用
A Mathematical Introduction to Robotic Manipulation
Richard M. Murray, Zexiang Li, Shankar Sastry
2017
MANIPULATION
📊 3,821 引用
Robot dynamics and control
Mark W. Spong
1989
MANIPULATION
📊 3,499 引用
A tutorial on visual servo control
Seth Hutchinson, Gregory D. Hager, Peter Corke
1996