Tag · 3 篇
可供性推理
分布 强化学习与具身智能2视觉语言模型1
01 02 03
探测并桥接视觉基础模型中可供性推理的几何-交互线索
Probing and Bridging Geometry-Interaction Cues for Affordance Reasoning in Vision Foundation Models
对做视觉研究的人，这篇论文提供了一种无需训练、零样本的可供性估计思路：把 DINO 的部件级几何原型与 Flux 的动词条件空间注意力图直接融合，可作为视觉基础模型内部表征探测与多模态先验组合的通用手段。
以解析概念为铰链物体操作物理定位常识知识
Physically Ground Commonsense Knowledge for Articulated Object Manipulation with Analytic Concepts
把 MLLM 输出的语义常识通过可计算、可仿真的解析概念（数学符号化定义）落到物理表示上，再驱动操作策略；对做视觉-语言-动作（VLA）与具身操作的研究者，这是一种把语义先验转成物理约束的可复用中间表示思路。
PALM：面向长程机器人操作、经由可供性推理的进度感知策略学习
PALM: Progress-Aware Policy Learning via Affordance Reasoning for Long-Horizon Robotic Manipulation
把可供性（物体相关性、接触几何、空间摆放、运动动态）作为视觉-运动控制的中间表征来蒸馏，并配合连续子任务进度预测，为 VLA 类模型提供可复用的长程执行稳定化思路。