PointACT：具有多尺度点-动作交互的视觉-语言-动作模型

Shizhe Chen, Paul Pacaud, Cordelia Schmid

2026

摘要

PointACT提出一种双系统3D感知VLA策略，通过多尺度点-动作交互机制将分层3D点云表示直接集成到动作解码中。在LIBERO和RLBench基准上，该方法相比现有VLA基线取得了显著改进，尤其是在冻结视觉-语言骨干时优势更大。

VLA3D point cloudmulti-scale attentionrobot manipulationdual-system

MANIPULATION

📊 2 引用

Yusen Li, Ziwei Wang, Xiangye Zhu 等 12 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 1 引用

Shaoqing Qin, Lida Zhu, Yanpeng Hao 等 10 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Bo Li, Yuanbo Zhao, Huijie Xiao 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Hao Li, Yuhui Yu, Rui Fu 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026