PDRVLA：物理动力学表征增强VLA模型

Hanqing Wang等作者提出视觉-语言-动作模型PDRVLA，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，经人到机器人合成、子任务标注和具身思维链（ECoT）标注扩充。 作者报告在四个仿真基准上的成功率：LIBERO 99.3%、LIBERO-Plus 89.9%、RoboTwin 2.0 93.6%、SimplerEnv 81.5%。消融实验显示，世界模型监督改善了未来预测，并评估了子任务条件、未来物体位姿监督和 ECoT 训练对动作成功率的影响。上述结果均为仿真评测，未见实机验证。

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。