arXiv cs.RO· 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·· 4 小时前AI 评分65
PDRVLA：引入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 提出轻量物理动力学模块，从视觉-语言特征中提取物理 token 来条件化动作生成，无需在线生成视频。该模块通过直接预测未来 RGB、深度和光流特征学习，并以冻结的预训练视频世界模型做辅助监督，训练数据全部来自公开数据并经人到机器人合成、子任务标注和具身思维链（ECoT）标注扩充。
来源：arXiv cs.RO · arxiv.org