研究论文

SVA: Towards speech-Enabled vision-Language-Action model

Lingxiao Li, Jiacheng Fan, Xiaohui Ni, Sujuan Qin, Wenmin Li, Fei Gao

Beijing University of Posts and Telecommunications　State Key Laboratory of Cryptology

来源Pattern Recognition

年份2025

DOI10.1016/j.patcog.2025.112915

原文https://doi.org/10.1016/j.patcog.2025.112915

阅读操作

确认中

在文库中上传 PDF 后可生成中文音频讲解。

摘要与影响

摘要 · 节选

暂未获取摘要。可打开原文或 PDF，后续可基于全文生成更完整的速读。

逐年被引趋势

110

126

关键指标

被引次数 · OpenAlex

0.55

领域内被引倍数
同类平均 = 1

前 28%

引用位次
同领域 · 同年份 · 同类型

参考文献

Google Scholar 与 OpenAlex 的被引统计范围不同，数值存在差异属正常。

AI 辅助阅读

依据：文献信息

论文问答

当前基于文献信息回答

可就本文提问；依据不足时会说明。

学术脉络

学科主题

计算机 / AI

Multimodal Machine Learning Applications

Robot Manipulation and Learning · Social Robot Interaction and HRI

参考文献 12

CochleaNet: A robust language-independent audio-visual model for real-time speech enhancement

Mandar Gogate, Kia Dashtipour, Ahsan Adeel · Information Fusion · 2020

被引 93

Visual SLAM for robot navigation in healthcare facility

Baofu Fang, Gaofei Mei, Xiaohui Yuan · Pattern Recognition · 2021

被引 123

Hierarchical Reinforcement Learning With Universal Policies for Multistep Robotic Manipulation

Xintong Yang, Ze Ji, Jing Wu · IEEE Transactions on Neural Networks and Learning Systems · 2021

被引 93

此处列出前 3 条

引用本文 1

Vision Language Action Models for Embodied Intelligence A Structured Taxonomy Critical Analysis and Future Research Directions

Ola Farid, Hamdi A. Mahmoud · Computational Discovery and Intelligent Systems (CDIS) · 2026

被引 0

按被引量排序，此处列出前 3 条

摘要与影响

摘要 · 节选

暂未获取摘要。可打开原文或 PDF，后续可基于全文生成更完整的速读。

逐年被引趋势

110

126

关键指标

被引次数 · OpenAlex

0.55

领域内被引倍数
同类平均 = 1

前 28%

引用位次
同领域 · 同年份 · 同类型

参考文献

Google Scholar 与 OpenAlex 的被引统计范围不同，数值存在差异属正常。

学术脉络

学科主题

计算机 / AI

Multimodal Machine Learning Applications

Robot Manipulation and Learning · Social Robot Interaction and HRI