arXiv · 机器人与计算机视觉· Chuyao Fu, Xiaowei Chi, Yuhan Rui, Yu-kai Wang, Zezhong Qian, Xiaojie Zhang, Yunfan Lou, Kevin Zhang, Kuangzhi Ge, Chak Wing Mak, Zhiyang Chen, Athena Zhuoming Zhong, Hongyang Chen, Haoran Li, Yike Guo, Sirui Han, Shanghang Zhang·· 2026-10-06AI 评分70
Token-World:基于 VLM Token 空间的世界模型用于机器人操作
Token-World: World Modeling in Vision-Language Model Token Space for Robot Manipulation
AI 导读
针对 VLA 系统通过预测 RGB 再编码的间接接口问题,本文提出 Token-World,一种在 VLM visual tokens 压缩空间中学习未来动态的动作条件世界模型。
来源:arXiv · 机器人与计算机视觉 · arxiv.org