arXiv · 机器人与计算机视觉· Xinyi Hong, Mingyang Ren·· 2026-10-19AI 评分48
Unifying Embodied Foundation Models via a Model-to-Policy Formulation 提出统一架构的概率化表述
Unifying Embodied Foundation Models via a Model-to-Policy Formulation
AI 导读
该研究针对视觉语言动作模型与世界动作模型架构差异,提出基于随机核的统一概率化表述框架。框架通过条件输出分布与动作实现核诱导任务策略,并连接预训练与后训练至策略部署。实例涵盖 OpenVLA 和 DreamZero,支持自回归动作 token 预测及联合视频动作生成。
来源:arXiv · 机器人与计算机视觉 · arxiv.org