HuggingFace Daily Papers· 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·· 1 天前精选AI 评分75
PDRVLA: 具有物理动力学表示的视觉-语言-动作模型
PDRVLA: A Vision-Language-Action Model with Physical Dynamics Representations
AI 导读
研究人员提出PDRVLA模型，通过轻量级物理动力学模块从视觉-语言特征中提取物理token，条件化动作生成，无需在线视频生成。该模型在四个仿真基准测试中取得99.3%的LIBERO成功率、89.9%的LIBERO-Plus成功率、93.6%的RoboTwin 2.0成功率和81.5%的SimplerEnv成功率。训练完全依赖公开数据，通过人机合成、子任务标注和具身思维链标注进行扩展。
推荐理由
通过物理动力学模块提升机器人动作生成准确率，99.3%成功率在LIBERO基准上接近完美，但视频世界模型的辅助监督仍有延迟问题。
来源：HuggingFace Daily Papers · arxiv.org