SpatialVLA: Exploring Spatial Representations for Visual-Language-Action Models
Delin Qu, Haoming Song, Qizhi Chen, Yuanqi Yao, Xinyi Ye, Jiayuan Gu, Zhigang Wang, Yan Fang Ding e mais 3
De quem é
- Fudan Universityafiliação declarada pelos autores, segundo o OpenAlex
- Northwestern Polytechnical Universityafiliação declarada pelos autores, segundo o OpenAlex
- Shanghai Jiao Tong Universityafiliação declarada pelos autores, segundo o OpenAlex
- Zhejiang Universityafiliação declarada pelos autores, segundo o OpenAlex
Outros papers das mesmas organizações
- VM-UNet: Vision Mamba UNet for Medical Image SegmentationShanghai Jiao Tong University · 1.481 citações
- Explainability for Large Language Models: A SurveyBaidu · 1.443 citações
- Instruction Tuning for Large Language Models: A SurveyAlibaba Group · 1.416 citações
- DEA-Net: Single Image Dehazing Based on Detail-Enhanced Convolution and Content-Guided AttentionZhejiang University · 1.198 citações
- Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?Shanghai Artificial Intelligence Laboratory · 1.186 citações
- Multimodal Chain-of-Thought Reasoning in Language ModelsShanghai Jiao Tong University · 1.170 citações