机器人 HuggingFace Daily Papers 2026-07-24

ReferTrack：用于具身视觉追踪的指代-追踪框架

具身视觉追踪（EVT）要求移动智能体仅通过机载视觉持续跟随自然语言描述的目标。ReferTrack 提出一种指代-追踪范式，使用单个前向摄像头实现具身追踪，先从图像中选取目标。

解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。