FoveaVLA以学习式注视替代腕部相机

2026年10月16日，bingaochen 团队推出 VLA 模型 FoveaVLA，其核心是用「学习到的注视动作」替代常见的腕部相机：策略先预测下一步该看哪里，再从外部相机全分辨率图像中裁剪出该区域，作为中央凹特写使用。据该报道，仅凭一个外部相机，FoveaVLA 在 48 次真实世界试验中成功率达 70.8%，高于带腕部相机的 π0.5 的 52.1%；且无需额外演示数据与相机标定。论文、代码与模型权重均已开源。目前该事件仅有这一篇报道，尚无后续进展或与之矛盾的说法。

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。