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·· 3 小时前精选AI 评分65
论文 / 摘要阅读
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 · 根据来源整理
PDRVLA 是一个带物理动力学表征的视觉-语言-动作模型，其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，无需在线生成未来视频。该模块通过直接预测未来 RGB、深度和光流特征进行学习，并以冻结的预训练视频世界模型提供辅助监督；训练完全依赖公开数据，并通过人到机器人合成、子任务标注和具身思维链（ECoT）标注扩充。在四个仿真基准上，PDRVLA 的成功率为 LIBERO 99.3%、LIBERO-Plus 89.9%、RoboTwin 2.0 93.6%、SimplerEnv 81.5%。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org