arXiv · 工业智能研究摘要· Huailiang Ma·· 17 小时前
研究者提出 ObjDream：通过物体级理解与未来状态预测引导视觉-语言-动作模型
ObjDream: Guiding Vision-Language-Action Models with Object-Level Understanding and Future State Prediction
AI 导读
预印本摘要提出以物体为中心的视觉-语言-动作模型框架 ObjDream，通过细粒度物体表征与未来状态预测提升机器人操作在分布偏移下的鲁棒性。该框架使用时空物体编码器将视觉观测解耦为持久身份与动态状态通道，并在训练期通过动作条件动力学模块显式监督物体状态演变，推理时无需预测未来。
来源：arXiv · 工业智能研究摘要 · arxiv.org