VersaCamVLA解耦摄像头配置

发生了什么

据arXiv论文，研究者提出VersaCamVLA框架，通过多信号目标视图预测和WAPS技术，将任意数量的RGB视角映射为固定大小的潜在场景token。该框架无需3D传感或新视角渲染，即可将场景token注入预训练VLA模型。在RoboTwin、LIBERO及真机平台上的实验表明，该方法在不同摄像头数量和未知姿态下均保持鲁棒性能，优于现有基线。