# 主动视觉注视

该工作提出 EyeRobot 2.0 框架，用主动注视（Active Visual Fixation）让两个视点物理转动对准场景中的 3D 注视点，并以中央凹方式分配更多视觉 token，从而仅用一台立体相机完成精细双手操作；在 7 个真实与 6 个仿真任务、超过 1000 次真实与 1800 次仿真试验中，它比被动立体相机策略在真实场景高 40%、仿真高 20%，在腕部视角清晰时与自我视角加腕部相机策略相当（69% 对 64%），在抓取物体遮挡腕部相机时成功率超过后者两倍（48% 对 22%）。

该工作提出 EyeRobot 2.0 框架，用主动注视（Active Visual Fixation）让两个视点物理转动对准场景中的 3D 注视点，并以中央凹方式分配更多视觉 token，从而仅用一台立体相机完成精细双手操作；在 7 个真实与 6 个仿真任务、超过 1000 次真实与 1800 次仿真试验中，它比被动立体相机策略在真实场景高 40%、仿真高 20%，在腕部视角清晰时与自我视角加腕部相机策略相当（69% 对 64%），在抓取物体遮挡腕部相机时成功率超过后者两倍（48% 对 22%）。