**FocusVLA：基于未来意图引导的动态视角路由强化机器人操作**

_FocusVLA: Future-Intent Guided Dynamic View Routing for Vision-Language-Action Models_

> 针对现有视觉 - 语言 - 动作（VLA）模型过度依赖手腕视角、缺乏动态调整全局与局部观察依赖的问题，研究提出了 FocusVLA 框架。该框架通过预测历史动作的未来交互意图来指导动态视角路由，自适应地协调不同任务阶段的全局与局部观察，从而显著提升多视角利用率。在 RoboTwin 2.0 基准测试中，FocusVLA 的平均成功率较最强基线提升了 10.10 个百分点，并在真实世界评估中实现了从 71.7% 到 85.0% 的突破。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-26 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.31423)