Tag · 1 篇
SIR: Structured Image Representations for Explainable Robot Learning
用场景图作为机器人策略的中间表征,把图像特征转成可稀疏化的图结构,既提升对干扰物的鲁棒性,又让决策过程可被逐节点审查;做视觉表征或 VLA 的研究者可借鉴这种「结构化中间表示 + 端到端稀疏化」的思路来替代黑箱图像嵌入。