ManipGPT：大型视觉模型的格局分割是否足以进行关节物体操作？

本研究解决了传统视觉可操作性方法在多样化和动态环境中适应性差的问题。我们提出了ManipGPT框架，利用大型预训练视觉变换器(ViT)预测关节物体的最佳交互区域，从而显著提高了部件级可操作性分割的效果，并成功应用于模拟和真实环境，这一成果在减少对复杂数据集和感知系统依赖方面具有重要意义。