arXiv · 机器人与计算机视觉· Shahram Najam Syed, Arthur Jakobsson, Haoran Hao, Jeffrey Ichnowski·· 2026-10-06精选AI 评分84
AHEAD:面向动态操作的潜在空间预测世界模型
Intercepting the Future: Latent-Space Predictive World Model for Dynamic VLA Manipulation
AI 导读
针对现有视觉语言动作(VLA)模型无法处理任务执行期间物体移动导致的延迟问题,本文提出 AHEAD 框架。该方法通过冻结 VLA 并引入基于光流的小规模运动感知潜在世界模型进行预测,利用语言与运动显著性掩码聚焦关键区域,并在不确定性达到阈值时自适应停止预测。
推荐理由
提出 AHEAD 框架,通过冻结 VLA 并引入运动感知潜在世界模型解决动态操作延迟问题,在仿真与真实机械臂上显著优于基线。
来源:arXiv · 机器人与计算机视觉 · arxiv.org