VLA / 视觉-语言-动作模型

Enhancing Policy Learning with World-Action Model

通过世界-动作模型增强策略学习

Yuci Han, Alper Yilmaz

机构 * Photogrammetry and Computer Vision Lab, The Ohio State University（俄亥俄州立大学摄影测量与计算机视觉实验室） 纠错

专题命中 动作表示与策略 ：action model(title,abstract)；分类 cs.AI

AI总结 本文提出World-Action Model，通过联合推理未来视觉观测和驱动状态转移的动作，提升策略学习效果。在CALVIN基准的八项任务中，WAM通过行为克隆和基于模型的PPO优化，显著提高成功率。

Towards High-Consistency Embodied World Model with Multi-View Trajectory Videos

面向多视角轨迹视频的高一致性具身世界模型

Taiyi Su, Jian Zhu, Yaxuan Li, Chong Ma, Jianjun Zhang, Zitai Huang, Hanli Wang, Yi Xu

机构 * Midea Group（美的集团） ； Tongji University（同济大学） ； East China Normal University（华东师范大学） 纠错

专题命中 动作表示与策略 ：action model(abstract)；分类 cs.RO、cs.AI

AI总结 本文提出MTV-World模型，通过多视角轨迹视频控制实现精准的视觉-运动预测，解决低层次动作与真实物理交互不一致的问题，实验表明其在复杂双臂场景中表现优异。

Comments 12 pages, 5 figures