**3D HAMSTER:通过3D轨迹引导弥合分层视觉语言动作模型的规划与控制鸿沟** _3D HAMSTER: Bridging Planning and
原帖
**3D HAMSTER:通过3D轨迹引导弥合分层视觉语言动作模型的规划与控制鸿沟**
_3D HAMSTER: Bridging Planning and Control in Hierarchical Vision Language Action Models through 3D Trajectory Guidance_
> 针对现有分层VLA模型中2D末端轨迹缺乏深度信息导致几何失真的问题,3D HAMSTER提出了一种新框架。该模型通过增强VLM的深度编码器直接输出可靠的3D轨迹,并将其集成到基于点云的底层策略中。实验表明,该方法在仿真和真实世界操作中均优于现有基线,尤其在应对外观变化和未见场景时表现显著提升。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-07-08 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2606.31329)