HF Daily Papers·· 2 天前精选AI 评分38
PDRVLA：融合物理动力学表征的视觉语言动作模型
PDRVLA: A Vision-Language-Action Model with Physical Dynamics Representations
AI 导读
PDRVLA 将轻量物理动态模块引入视觉语言动作模型，通过预测未来视觉特征改善机器人动作生成，并避免在线视频生成延迟。该模块直接预测未来的 RGB、深度和光流特征，并用冻结的预训练视频世界模型进行辅助监督。
推荐理由
论文将轻量物理动态预测接入视觉语言动作模型，并通过消融实验分析世界模型监督、子任务条件化与 ECoT 训练对动作成功率的影响。
来源：HF Daily Papers · huggingface.co