arXiv · ML· Hanqing Wang, Zhaotian Cai, Ruichuan An, Bohan Zeng, Tao Zhang, Yilin Chen, Xu Jiang, Kaiquan Chen, Chongyang Wu, Haoran Li, Fan Yang, Mingan Lin, Wentao Zhang, Zenan Zhou, Youzheng Wu·· 5 小时前AI 评分33
PDRVLA：基于物理动力学表示的视觉-语言-动作模型
PDRVLA: A Vision-Language-Action Model with Physical Dynamics Representations
AI 导读
PDRVLA 提出轻量级物理动力学模块，通过直接预测未来 RGB、深度及光流特征生成动作，避免在线视频生成带来的高延迟。 模型完全依赖公开数据，经 LIBERO 等四项仿真基准测试，成功率达 99.3%、89.9%、93.6% 及 81.5%。 消融实验表明，世界模型监督有助于提升未来预测性能，并评估了子任务条件对动作成功率的影响。
来源：arXiv · ML · arxiv.org