PhysWord：用物理词元结构化机器人操作推理

Jiaming Liu 等提出 PhysWord，一个先推理后动作的机器人操作基础模型，用原子动作词作为语义锚点，把连续物理动态表征与语言对齐。模型预测后续原子动作词，并将其上下文隐状态与未来观测导出的隐式目标对齐，构建带视觉和可选触觉变体的时序结构化 PhysWord 空间。 论文称该模型在视觉触觉 UniVTAC 上达到 90.3%、在纯视觉 LIBERO-Long 上达到 99.6% 的成功率，并在使用双夹爪与灵巧手的真实任务上优于对比方法；作者称其结构化隐式推理框架可泛化到未见场景并支持长程操作。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。