VLM引导的Transformer-VAE注视动态方法

2026年10月15日，arXiv cs.RO 发布论文《Eye, Robot：VLM 引导的 Transformer-VAE 学习富有表现力的注视动态》。据该报道，Yuhang Hu 等作者提出一种机器人注视控制方案，将任务拆分为三部分：由异步视觉语言模型（VLM）选择场景中的注视目标，由反应式感知模块维持注视，并由 Realistic Gaze Transformer（RGT）生成以目标为条件的运动。报道未提及该方案的适用对象、收费或额度、地域及使用限制等条件。此为目前唯一一篇相关报道，尚无后续跟进报道，也未出现与早先报道矛盾的数字、时间或说法。

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。