IXThinker·2026-05-27 12:20

九億參數模型為機器人策略補上空間感

有團隊針對視覺語言動作模型在精準定位、細緻擺放與遮擋判斷等空間任務表現欠佳的問題，提出約九億參數的緊湊隱式深度編碼方案，不增加硬件負擔便補上空間感，真機成功率達九成。

空間感知短板

大量視覺語言動作模型主要依賴二維視覺，一旦遇到精準定位、細緻擺放、遮擋判斷等需要空間感知的任務，成功率便明顯下滑，成為機器人操作落地的關鍵障礙。