跳到正文
arXiv · 机器人与计算机视觉· Zhe Tao, Feiran Wang, Gaowen Liu, Ramana Rao Kompella, Yan Yan·· 2026-10-06AI 评分75

ForeAct3D:基于策略的未来世界建模用于 VLA 策略

ForeAct3D: Policy-Grounded Future World Modeling for VLA Policies

AI 导读

论文提出 ForeAct3D 框架,旨在解决现有视觉语言动作(VLA)策略预测未来观测时与执行动作解耦且缺乏物理约束的问题。该方法利用可学习几何查询从策略表示中解码深度、语义分割和相机姿态,将未来查询条件于策略生成的动作块以锚定规划交互。

来源:arXiv · 机器人与计算机视觉 · arxiv.org