**G^3VLA：通过几何感应偏差提升视觉-语言-动作模型性能**

_G^3VLA: Geometric Inductive Bias for Vision-Language-Action Models_

> 研究提出 G^3VLA 模型，通过在预训练 VLA 模型中注入相机几何结构，解决视觉表示仅基于 2D 坐标的局限性。该模型通过引入相机内参、投影位置编码及跨视角融合，显著提升了机器人任务中的几何一致性、多视角推理能力及对未知视角的鲁棒性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.24472)