跳到正文
arXiv · 机器人与计算机视觉· Bochen Yang, Lianlei Shan·· 2026-10-09AI 评分72

PearlVLA:基于潜在空间的渐进式具身动作 - 规划优化

PearlVLA: Progressive Embodied Action-Plan Refinement in Latent Space

AI 导读

针对现有视觉语言动作模型在高效执行与显式推理间的权衡问题,该文提出 PearlVLA 框架。该框架利用冻结的、预训练于无动作视频的潜在世界模型(LaWM),在多轮迭代中通过预测中间规划的后果来反馈修正潜在计划。最终优化后的计划被一次性传递给宿主策略以生成动作片段。研究在 LIBERO 和 RoboCasa 基准测试上展示了与现有强基线方法具有竞争力的性能。

来源:arXiv · 机器人与计算机视觉 · arxiv.org