热点事件观察中

PDRVLA：不生成视频的物理动态VLA模型

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Hanqing Wang等作者提出PDRVLA视觉-语言-动作模型。其轻量级物理动态模块从视觉-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；该模块直接预测未来RGB、深度和光流特征，并以冻结的预训练视频世界模型作辅助监督。作者报告在四个仿真基准上的成功率为：LIBERO 99.3%、LIBERO-Plus 89.9%、RoboTwin 2.0 93.6%、SimplerEnv 81.5%。这些数字来自论文自述的仿真评测，尚未涉及真实机器人验证。

AI 根据报道生成 · 2 小时前更新

最新进展10月27日 08:00

PDRVLA：引入物理动态表示的视觉-语言-动作模型

报道时间线

沿着报道，了解事件的不同侧面。

10月27日

08:00
HuggingFace Daily Papers
PDRVLA：引入物理动态表示的视觉-语言-动作模型
PDRVLA 通过轻量级物理动态模块从视觉-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。该模块直接预测未来 RGB、深度和光流特征，并以冻结的预训练视频世界模型作辅助监督。在四个仿真基准上成功率分别为 LIBERO 99.3%、LIBERO-Plus 89.9%、RoboTwin 2.0 93.6%、SimplerEnv 81.5%。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。