Hugging Face · 每日论文· 媒体 / 作者来源·精选
PDRVLA：基于物理动力学表示的视觉-语言-动作模型
原文标题
PDRVLA: A Vision-Language-Action Model with Physical Dynamics Representations
AI 导读
研究团队提出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标记，无需在线生成视频即可条件化动作生成。该模块通过直接预测未来RGB、深度和光流特征进行学习，并利用冻结的预训练视频世界模型进行辅助监督。在四个模拟基准测试中，PDRVLA在LIBERO上达到99.3%成功率，在LIBERO-Plus上达到89.9%，在RoboTwin 2.0上达到93.6%，在SimplerEnv上达到81.5%。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
PDRVLA通过物理动力学模块显著提升了机器人在物理环境中的动作成功率，实验结果在多个基准测试中表现优异。
导读由模型辅助整理，非独立核验。完整信息见原文。