Buchumschlag

TIGeR: Tool-Integrated Geometric Reasoning in Vision-Language Models for Robotics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Han, Yi, Zhou, Enshen, Rong, Shanyu, An, Jingkun, Wang, Pengwei, Wang, Zhongyuan, Chi, Cheng, Sheng, Lu, Zhang, Shanghang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Robotics Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RoboRefer: Towards Spatial Referring with Reasoning in Vision-Language Models for Robotics
von: Zhou, Enshen, et al.
Veröffentlicht: (2025)

RoboTracer: Mastering Spatial Trace with Reasoning in Vision-Language Models for Robotics
von: Zhou, Enshen, et al.
Veröffentlicht: (2025)

SaPaVe: Towards Active Perception and Manipulation in Vision-Language-Action Models for Robotics
von: Liu, Mengzhen, et al.
Veröffentlicht: (2026)

Action-Sketcher: From Reasoning to Action via Visual Sketches for Long-Horizon Robotic Manipulation
von: Tan, Huajie, et al.
Veröffentlicht: (2026)

Latent Reasoning VLA: Latent Thinking and Prediction for Vision-Language-Action Models
von: Bai, Shuanghao, et al.
Veröffentlicht: (2026)

METIS: Multi-Source Egocentric Training for Integrated Dexterous Vision-Language-Action Model
von: Fu, Yankai, et al.
Veröffentlicht: (2025)

Reshaping Action Error Distributions for Reliable Vision-Language-Action Models
von: Bai, Shuanghao, et al.
Veröffentlicht: (2026)

TIGeR: Unifying Text-to-Image Generation and Retrieval with Large Multimodal Models
von: Qu, Leigang, et al.
Veröffentlicht: (2024)

Code-as-Monitor: Constraint-aware Visual Programming for Reactive and Proactive Robotic Failure Detection
von: Zhou, Enshen, et al.
Veröffentlicht: (2024)

AffordGrasp: In-Context Affordance Reasoning for Open-Vocabulary Task-Oriented Grasping in Clutter
von: Tang, Yingbo, et al.
Veröffentlicht: (2025)

TIGeR: Text-Instructed Generation and Refinement for Template-Free Hand-Object Interaction
von: Huang, Yiyao, et al.
Veröffentlicht: (2025)

TIGeR: A Unified Framework for Time, Images and Geo-location Retrieval
von: Shatwell, David G., et al.
Veröffentlicht: (2026)

MapNav: A Novel Memory Representation via Annotated Semantic Maps for Vision-and-Language Navigation
von: Zhang, Lingfeng, et al.
Veröffentlicht: (2025)

From Language to Locomotion: Retargeting-free Humanoid Control via Motion Latent Guidance
von: Li, Zhe, et al.
Veröffentlicht: (2025)

PRM-as-a-Judge: A Dense Evaluation Paradigm for Fine-Grained Robotic Auditing
von: Ji, Yuheng, et al.
Veröffentlicht: (2026)

VEGA: Visual Encoder Grounding Alignment for Spatially-Aware Vision-Language-Action Models
von: Wang, Hao, et al.
Veröffentlicht: (2026)

PIGEON: VLM-Driven Object Navigation via Points of Interest Selection
von: Peng, Cheng, et al.
Veröffentlicht: (2025)

Robo-Dopamine: General Process Reward Modeling for High-Precision Robotic Manipulation
von: Tan, Huajie, et al.
Veröffentlicht: (2025)

RoboOS-NeXT: A Unified Memory-based Framework for Lifelong, Scalable, and Robust Multi-Robot Collaboration
von: Tan, Huajie, et al.
Veröffentlicht: (2025)

Do You Have Freestyle? Expressive Humanoid Locomotion via Audio Control
von: Li, Zhe, et al.
Veröffentlicht: (2025)

HCSG: Human-Centric Semantic-Geometric Reasoning for Vision-Language Navigation
von: Xu, Haoxuan, et al.
Veröffentlicht: (2026)

$NavA^3$: Understanding Any Instruction, Navigating Anywhere, Finding Anything
von: Zhang, Lingfeng, et al.
Veröffentlicht: (2025)

RoboBrain 2.5: Depth in Sight, Time in Mind
von: Tan, Huajie, et al.
Veröffentlicht: (2026)

Reason-RFT: Reinforcement Fine-Tuning for Visual Reasoning of Vision Language Models
von: Tan, Huajie, et al.
Veröffentlicht: (2025)

Self-Refining Vision Language Model for Robotic Failure Detection and Reasoning
von: Qi, Carl, et al.
Veröffentlicht: (2026)

Mask World Model: Predicting What Matters for Robust Robot Policy Learning
von: Lou, Yunfan, et al.
Veröffentlicht: (2026)

RoboOS: A Hierarchical Embodied Framework for Cross-Embodiment and Multi-Agent Collaboration
von: Tan, Huajie, et al.
Veröffentlicht: (2025)

AC-DiT: Adaptive Coordination Diffusion Transformer for Mobile Manipulation
von: Chen, Sixiang, et al.
Veröffentlicht: (2025)

AHA: A Vision-Language-Model for Detecting and Reasoning Over Failures in Robotic Manipulation
von: Duan, Jiafei, et al.
Veröffentlicht: (2024)

MathSticks: A Benchmark for Visual Symbolic Compositional Reasoning with Matchstick Puzzles
von: Ji, Yuheng, et al.
Veröffentlicht: (2025)

RoboMirror: Understand Before You Imitate for Video to Humanoid Locomotion
von: Li, Zhe, et al.
Veröffentlicht: (2025)

Thinking in Text and Images: Interleaved Vision--Language Reasoning Traces for Long-Horizon Robot Manipulation
von: Liu, Jinkun, et al.
Veröffentlicht: (2026)

MoLe-VLA: Dynamic Layer-skipping Vision Language Action Model via Mixture-of-Layers for Efficient Robot Manipulation
von: Zhang, Rongyu, et al.
Veröffentlicht: (2025)

H2R: A Human-to-Robot Data Augmentation for Robot Pre-training from Videos
von: Li, Guangrun, et al.
Veröffentlicht: (2025)

GenH2R: Learning Generalizable Human-to-Robot Handover via Scalable Simulation, Demonstration, and Imitation
von: Wang, Zifan, et al.
Veröffentlicht: (2024)

Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics
von: Wang, Taowen, et al.
Veröffentlicht: (2024)

LaST-R1: Reinforcing Robotic Manipulation via Adaptive Physical Latent Reasoning
von: Chen, Hao, et al.
Veröffentlicht: (2026)

CrayonRobo: Object-Centric Prompt-Driven Vision-Language-Action Model for Robotic Manipulation
von: Li, Xiaoqi, et al.
Veröffentlicht: (2025)

RoboFlamingo-Plus: Fusion of Depth and RGB Perception with Vision-Language Models for Enhanced Robotic Manipulation
von: Wang, Sheng
Veröffentlicht: (2025)

RoboStream: Weaving Spatio-Temporal Reasoning with Memory in Vision-Language Models for Robotics
von: Huang, Yuzhi, et al.
Veröffentlicht: (2026)