https://xuquant.com/tags/grounding/Recent content in Grounding on Xu'Bloghttps://xuquant.com/og-default.pnghttps://xuquant.com/og-default.pngHugo -- 0.152.2zhMon, 27 Oct 2025 22:00:00 +0800https://xuquant.com/posts/foundation-models/reconvla-gaze-crop-implicit-grounding/Mon, 27 Oct 2025 22:00:00 +0800https://xuquant.com/posts/foundation-models/reconvla-gaze-crop-implicit-grounding/OpenHelix 的 ReconVLA (arXiv:2508.10333) 在 OpenVLA 风格的 backbone 后挂一个 3 层 DiT，用 gaze-crop 的 VAE-latent 重建当辅助监督，把 VLA 的注意力锚到目标物体上。本文对照 paper 与开源 code 读一遍，包含 paper 没强调的工程细节，以及几个 paper 没回答的问题——recon-on/off ablation 缺位，'隐式接地' 在训练 supervision 上其实依赖 offline YOLO bbox。