arXiv · 机器人与计算机视觉· Hanqing Wang, Zhaotian Cai, Ruichuan An, Bohan Zeng, Tao Zhang, Yilin Chen, Xu Jiang, Kaiquan Chen, Chongyang Wu, Haoran Li, Fan Yang, Mingan Lin, Wentao Zhang, Zenan Zhou, Youzheng Wu, Xiaodong He·· 22 天前精选AI 评分83
PDRVLA:一种具备物理动力学表征的视觉语言动作模型
PDRVLA: A Vision-Language-Action Model with Physical Dynamics Representations
AI 导读
针对现有 VLA 模型对物理动力学理解有限且视频世界模型引入高延迟的问题,该研究提出了 PDRVLA 模型。其核心是一个轻量级物理动力学模块,能从视觉语言特征中提取物理 token 以条件化动作生成,无需在线视频生成。
推荐理由
该工作提出利用轻量级物理动力学模块替代在线视频生成,在四个仿真基准上实现了高成功率。
来源:arXiv · 机器人与计算机视觉 · arxiv.org