MotionVLA 入选 CoRL 2026:让机器人记住运动而非帧
yshan2u · x · 2026-09-08
华中科技大学 Xinggang Wang 团队的 MotionVLA 被 CoRL 2026 接收,论文已挂 arXiv(2606.08288)。
核心主张:VLA 模型该记住的是「运动」,而不是一帧帧画面。现有方法给模型喂历史帧、深度或 4D 特征来解决长时程操作的歧义,但当注入的证据不满足运动一致性时,会引入几何漂移、时序线索碎片化和动作生成不稳定。
方法:
- 把过去一小段视频窗口转成紧凑、时间连续的轨迹场 token;
- 当前视觉 token 从这段历史中检索与任务相关的运动信息;
- 在轨迹监督下重新耦合回 VLA 主干。
在仿真基准和初步真机实验中,MotionVLA 提升了长时程操作表现,动作执行更平滑直接。结论:有效的 VLA 记忆关键不是堆更多 4D 上下文,而是提供可用于控制的运动一致证据。
「具身」频道最新
- 开源项目 Chums:用 Apple Watch 随身遥控 Mac 上的 Claude Code — brandon_galang · 2026-10-27
- 用 Grok bot 把 ESP 变成 iPhone 配件,远程同步机器人舵机 — Baconbrix · 2026-10-27
- NVIDIA 开源 MotionBricks：人形机器人动作生成达 15000 FPS、2ms 延迟 — _akhaliq · 2026-10-26
- 用户用 Claude Code 拆解本田车机：发现 root 后门与静默装 APK — IndraVahan · 2026-10-26
- Temple 健康设备开启预售，用户质疑：未见实效前谁愿戴 — abhishekcode42 · 2026-10-26
- FLASH 仿真框架：单卡 RTX 5090 上分钟级学会布料折叠 — ChongZzZhang · 2026-10-26