视觉与机器人

VLA / 视觉-语言-动作模型

视觉-语言-动作模型、机器人基础模型和语言条件机器人控制。

2026-05-11 至 2026-05-11 共收录 2 篇信号源：cs.RO, cs.CV, cs.AI, cs.LG

1. 动作表示与策略 2 篇

2605.07794 2026-05-11 cs.RO 79%

NoiseGate: 在世界动作模型中学习每潜在时间步的调度作为信息门控

Wen Huang, Haoran Sun, Yongjian Guo, Yunxuan Ma, Haoran Li, Jing Long, Zhouying Mo, Zhong Guan, Yucheng Guo, Shuai Di, Junwu Xiong

机构 * Tsinghua University（清华大学）； Peking University（北京大学）； JDT AI Infra（JDT AI 基础设施）； Tianjin University（天津大学）

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

AI总结本文提出NoiseGate，通过学习每潜在时间步的调度作为信息门控策略，改进世界动作模型中的动作生成与未来观察建模。

2605.07079 2026-05-11 cs.CV cs.AI cs.LG cs.RO 70%

通过残差潜在动作学习基于视觉特征的世界模型

Xinyu Zhang, Zhengtong Xu, Yutian Tao, Yeping Wang, Yu She, Abdeslam Boularias

机构 * Rutgers University（罗格斯大学）； Purdue University（普渡大学）； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）

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

AI总结本文提出RLA-WM世界模型，通过流匹配预测残差潜在动作，优于现有特征和视频扩散模型，且在速度和效率上更优，同时开发了两项机器人学习技术。