PDRVLA

新的PDRVLA模型通过物理动力学增强机器人动作生成

研究人员开发了PDRVLA，这是一种新颖的视觉-语言-动作（VLA）模型，旨在增强机器人对物理动力学的理解。与依赖计算成本高昂的视频生成的先前模型不同，PDRVLA集成了一个轻量级的物理动力学模块。该模块从视觉语言特征中提取物理标记，直接指导动作生成，从而提高效率并降低延迟。该模型使用公开可用的数据进行训练，并辅以人类到机器人的合成和具身思维链注释，并在四个模拟基准测试中表现出色。