GaussVLA：把2D视觉变成3D高斯token，让机器人真正理解空间
GaussVLA 提出 Gaussian Spatial Tokenizer (GST) 与 Depth-Aware Chain-of-Thought (DA-CoT)，将 2D 视觉特征提升为结构化 3D 高斯 token 并进行深度感知推理，在仅 200M 参数下于 LIBERO 达到 93.5% 平均成功率。
Depth-Aware
GaussVLA 提出 Gaussian Spatial Tokenizer (GST) 与 Depth-Aware Chain-of-Thought (DA-CoT)，将 2D 视觉特征提升为结构化 3D 高斯 token 并进行深度感知推理，在仅 200M 参数下于 LIBERO 达到 93.5% 平均成功率。