Tags: #visual prompting

精读 VP-VLA：以 crosshair 和 bounding box 作为 System 2 规划与 System 1 控制之间的原生视觉接口，提升 VLA 的空间 grounding 与 OOD 操作鲁棒性。

精读 Spatial Traces：将关键点历史轨迹投影到预测深度图，让 SpatialVLA 同时利用三维位置与运动历史；分析其少样本 SimplerEnv 实验、消融与局限。