← 机器人智能体 / 语言与环境理解

正式发表 / Robot Agentic

CLIPort

CLIPort: What and Where Pathways for Robotic Manipulation

CoRL · 2021

快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗

关键框架 FRAMEWORK
语义与空间双通路CLIPort · 原文 Fig. 2 · p.4 ↗

把冻结 CLIP 的语言视觉语义与 Transporter 的空间特征融合,预测语言条件的抓取和放置。

  1. 01编码视觉语言语义
  2. 02融合空间稠密特征
  3. 03预测抓放可供性
CLIPort语义与空间双通路
语义与空间双通路

把冻结 CLIP 的语言视觉语义与 Transporter 的空间特征融合,预测语言条件的抓取和放置。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

把冻结 CLIP 的语言视觉语义与 Transporter 的空间特征融合,预测语言条件的抓取和放置。

WHY READ IT

为什么放在这条路线

理解“是什么”与“在哪里”如何共同决定动作,是从语言理解走向具身执行的清晰起点。

当前阶段语言与环境理解 ↗

语义、三维观测和可供性怎样落地?

READ WITH A QUESTION

读的时候,留意什么

语义预训练不会自动解决新动作技能;策略仍需要演示,主要围绕桌面抓放任务验证。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器