HiFOR提出分层预见与动作引导世界检索VLA框架

论文作者提出HiFOR，一个面向视觉-语言-动作（VLA）模型的分层预见框架，并加入动作引导的世界检索。该方法用分层依赖掩码联合预测短期状态演化、语义里程碑和最终目标状态，再通过结构感知的潜在世界建模与动作引导的因子化世界检索，为动作生成提供引导。 作者称，该方法在两个仿真基准和六个真实机器人操作任务上验证了有效性。报道未给出成功率、对比基线或实机测试的具体条件，这些效果目前仅为作者自述。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。