冻结VLM加几何头直接回归可供性与轨迹

一篇 arXiv 预印本提出轻量几何预测头，接在冻结的 0.5–2B VLM 骨干上，从中间隐藏层读取特征，经任务指令条件化查询和视觉 token 交叉注意力，直接回归可供性框与轨迹路点，而非自回归生成。 作者称，在 ShareRobot-Bench 和 AGD20K 上评测，2B 版本相对自回归基线将轨迹误差降低逾 60%，ShareRobot-Bench 可供性 mAP 提升 85%；轨迹预测 DFD 为 0.251，接近 RoboBrain 的 0.191，吞吐量高 3.8 倍。作者据此称该方案在指令条件化的 2D 几何预测上取得精度与效率的折中。上述为预印本自报结果，未经同行评议或独立验证。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。