跳到正文
arXiv · 机器人与计算机视觉· Yu Liu, Hetian Guo, Tianlv Huang, Ziyi Cai, Wudi Chen, Hantang Wang, Qiutong Liu, Yingzhi Peng, Wei Han, Peijun Tang, Jianan Wang, Zipei Fan, Zhiyuan Zha, Xuan Song·· 2026-10-09AI 评分73

PLaW-VLA:面向视觉语言动作策略的预测性潜在世界建模

PLaW-VLA: Predictive Latent World Modeling for Vision-Language-Action Policies

AI 导读

论文介绍 PLaW-VLA 模型,该模型基于预训练面向预测的表示空间对任务相关的未来状态进行建模,利用混合 Transformer 架构通过结构化因果注意力将动作生成条件于观测历史、当前任务语义及预测的未来状态。

来源:arXiv · 机器人与计算机视觉 · arxiv.org