Seeker：从动作学习注意力的视觉瓶颈方法

2026年10月9日，arXiv cs.RO 发布研究报道，提出 Seeker——一种任务与状态条件化的读出模块。据该报道，Seeker 基于冻结的 DINOv3 特征迭代更新查询，仅靠动作监督生成渐进感知的 ROI，无需外部空间标签；该 ROI 可作为 RGB 裁剪、掩码引导背景增强和点云滤波的空间接口。报道称，在真实机器人上，Seeker 将域内平均成功率从最佳基线的 48.3% 提升至 76.7%，在光照/背景变化下成功率从 20.0% 提升至 60.0%。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现与早先报道矛盾的数字或说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。