StereoVLA：同时看懂“什么”和“哪里”—Galbot、北大、中科院自动化所、港大、厦大马来分校、南科大

概要：VLA 的空间感知能力提升也算是业内一个研究热点了，因为大部分VLA采用的单目相机虽然能够识别物体及其语义，但缺少明确的几何信息。对于机器人来说，看出“这是一个杯子”还不够，还需要判断杯子距离机械手有多远、应该从哪个方向接近，以及夹爪是否已经准确对准目标；这项工作的核心目标，就是利用双目立体视觉，提升机器人对空间位置、物体深度和相机视角变化的感知能力；
声明：上述声音采用AI合成，解析内容为原创；解析仅针对该文发布时，arXiv上已公开被解析论文的最新版本的内容进行；其中所有涉及原论文的图、数据都引用自原论文，如涉及侵权，请及时联系删除；人工解读，难免有错误遗漏，如有发现及时联系修改；如需要深入研究建议阅读原文；
链接：arxiv.org/pdf/2512.21970 ；