Buchumschlag

Robotic Manipulation is Vision-to-Geometry Mapping ($f(v) \rightarrow G$): Vision-Geometry Backbones over Language and Video Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Song, Zijian, Li, Qichang, Zhou, Jiawei, Yuan, Zhenlong, Chen, Tianshui, Lin, Liang, Wang, Guangrun
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Physics from Pretrained Video Models: A Multimodal Continuous and Sequential World Interaction Models for Robotic Manipulation
von: Song, Zijian, et al.
Veröffentlicht: (2026)

Improving Robotic Manipulation with Efficient Geometry-Aware Vision Encoder
von: Vuong, An Dinh, et al.
Veröffentlicht: (2025)

RADAR: Benchmarking Vision-Language-Action Generalization via Real-World Dynamics, Spatial-Physical Intelligence, and Autonomous Evaluation
von: Chen, Yuhao, et al.
Veröffentlicht: (2026)

Physical Autoregressive Model for Robotic Manipulation without Action Pretraining
von: Song, Zijian, et al.
Veröffentlicht: (2025)

Look-to-Touch: A Vision-Enhanced Proximity and Tactile Sensor for Distance and Geometry Perception in Robotic Manipulation
von: Dong, Yueshi, et al.
Veröffentlicht: (2025)

Implicit Geometry Representations for Vision-and-Language Navigation from Web Videos
von: Han, Mingfei, et al.
Veröffentlicht: (2026)

Stable Language Guidance for Vision-Language-Action Models
von: Zhan, Zhihao, et al.
Veröffentlicht: (2026)

GEM-4D: Geometry-Enhanced Video World Models for Robot Manipulation
von: Zhou, Kaichen, et al.
Veröffentlicht: (2026)

Geometry-aware 4D Video Generation for Robot Manipulation
von: Liu, Zeyi, et al.
Veröffentlicht: (2025)

VLMPC: Vision-Language Model Predictive Control for Robotic Manipulation
von: Zhao, Wentao, et al.
Veröffentlicht: (2024)

GeoAware-VLA: Implicit Geometry Aware Vision-Language-Action Model
von: Abouzeid, Ali, et al.
Veröffentlicht: (2025)

VLATest: Testing and Evaluating Vision-Language-Action Models for Robotic Manipulation
von: Wang, Zhijie, et al.
Veröffentlicht: (2024)

Task-oriented Robotic Manipulation with Vision Language Models
von: Guran, Nurhan Bulus, et al.
Veröffentlicht: (2024)

CLAW: A Vision-Language-Action Framework for Weight-Aware Robotic Grasping
von: An, Zijian, et al.
Veröffentlicht: (2025)

Threading Optimization for Vision-Language-Action Model Inference in Low-Cost Smart Agricultural Manipulation
von: Truongcao, Keith, et al.
Veröffentlicht: (2026)

DyGeoVLN: Infusing Dynamic Geometry Foundation Model into Vision-Language Navigation
von: Liu, Xiangchen, et al.
Veröffentlicht: (2026)

Gaze2Act: Gaze-Conditioned Vision-Language-Action Policies for Interactive Robot Manipulation
von: Zuo, Kuangji, et al.
Veröffentlicht: (2026)

LADEV: A Language-Driven Testing and Evaluation Platform for Vision-Language-Action Models in Robotic Manipulation
von: Wang, Zhijie, et al.
Veröffentlicht: (2024)

Online Robot Navigation and Manipulation with Distilled Vision-Language Models
von: Liu, Kangcheng
Veröffentlicht: (2024)

TAG: Target-Agnostic Guidance for Stable Object-Centric Inference in Vision-Language-Action Models
von: Zhou, Jiaying, et al.
Veröffentlicht: (2026)

Pure Vision Language Action (VLA) Models: A Comprehensive Survey
von: Zhang, Dapeng, et al.
Veröffentlicht: (2025)

Manipulation as in Simulation: Enabling Accurate Geometry Perception in Robots
von: Liu, Minghuan, et al.
Veröffentlicht: (2025)

DIPOLE: Fusing Vision and Geometry for Robust Visuomotor Generalization
von: Tang, Yikai, et al.
Veröffentlicht: (2025)

MSGField: A Unified Scene Representation Integrating Motion, Semantics, and Geometry for Robotic Manipulation
von: Sheng, Yu, et al.
Veröffentlicht: (2024)

Scalable Vision-Language-Action Model Pretraining for Robotic Manipulation with Real-Life Human Activity Videos
von: Li, Qixiu, et al.
Veröffentlicht: (2025)

Representing Robot Geometry as Distance Fields: Applications to Whole-body Manipulation
von: Li, Yiming, et al.
Veröffentlicht: (2023)

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

Confusion-Aware In-Context-Learning for Vision-Language Models in Robotic Manipulation
von: He, Yayun, et al.
Veröffentlicht: (2026)

VLBiMan: Vision-Language Anchored One-Shot Demonstration Enables Generalizable Bimanual Robotic Manipulation
von: Zhou, Huayi, et al.
Veröffentlicht: (2025)

RoboGround: Robotic Manipulation with Grounded Vision-Language Priors
von: Huang, Haifeng, et al.
Veröffentlicht: (2025)

Clutter-Robust Vision-Language-Action Models through Object-Centric and Geometry Grounding
von: Vo, Khoa, et al.
Veröffentlicht: (2025)

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

VLAS: Vision-Language-Action Model With Speech Instructions For Customized Robot Manipulation
von: Zhao, Wei, et al.
Veröffentlicht: (2025)

MARVL: Multi-Stage Guidance for Robotic Manipulation via Vision-Language Models
von: Zhou, Xunlan, et al.
Veröffentlicht: (2026)

Spatial Memory for Out-of-Vision Manipulation in Vision-Language-Action
von: Li, Pengteng, et al.
Veröffentlicht: (2026)

Vision-Guided Loco-Manipulation with a Snake Robot
von: Salagame, Adarsh, et al.
Veröffentlicht: (2025)

VIP: Vision Instructed Pre-training for Robotic Manipulation
von: Li, Zhuoling, et al.
Veröffentlicht: (2024)

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

MemoryVLA: Perceptual-Cognitive Memory in Vision-Language-Action Models for Robotic Manipulation
von: Shi, Hao, et al.
Veröffentlicht: (2025)

Manipulate-Anything: Automating Real-World Robots using Vision-Language Models
von: Duan, Jiafei, et al.
Veröffentlicht: (2024)