arXiv cs.RO· Masatoshi Tateno, Takehiko Ohkawa, Yueh-Hua Wu, Hanlong Li, Tatsuya Matsushima, Yoichi Sato, Kei Ota·· 2 小时前精选AI 评分62
YUBI-STAG：通过自动视频语言对齐为 VLA 提供接触与语义丰富标注
YUBI-STAG: Contact and Semantic-Rich Alignment for VLAs via Automated Video-Language Grounding
AI 导读
YUBI-STAG 是一个时空标注与对齐框架，结合接触物体分割与视觉语言模型，自动为操作示范补充物体身份、属性与状态、各夹爪动作、双臂协调及空间接地交互等语义。
推荐理由
论文提出自动为操作示范补充接触与语义标注的框架，并蒸馏出可直接从腕部视频推理的模型，可供数据标注与 VLA 后训练参考。
来源：arXiv cs.RO · arxiv.org