粗到细策略

ActiveVLA：将主动感知注入视觉-语言-动作模型以实现精确三维机器人操作

ActiveVLA: Injecting Active Perception into Vision-Language-Action Models for Precise 3D Robotic Manipulation

把主动视角选择与三维区域放大引入 VLA 策略，为视觉研究者提供了一个可复用的思路：在精细操作中动态挑选最优视角与分辨率，而不是依赖固定的腕部相机；其多视图投影定位关键三维区域的做法也可迁移到其他需要空间聚焦的视觉任务。