跳到正文
arXiv · 机器人与计算机视觉· Huailiang Ma, Yuxuan Li, Ziyi Zhao, Xinkai Wang, Mingyu Li, Xinyu Guo, Lifeng Zhu, Aiguo Song, Cewu Lu, Jianhua Sun·· 2026-10-15AI 评分68

ObjDream:基于物体级理解与未来状态预测引导视觉语言动作模型

ObjDream: Guiding Vision-Language-Action Models with Object-Level Understanding and Future State Prediction

AI 导读

针对现有视觉语言动作模型依赖图像级表征且缺乏细粒度物体理解的问题,该研究提出了 ObjDream 框架。该方法利用时空物体编码器将观测组织为时间槽,并通过身份引导的路由机制调制注意力;同时引入动作条件的对象动力学模块预测紧凑的未来状态以监督演化过程。

来源:arXiv · 机器人与计算机视觉 · arxiv.org