PDRVLA 用物理动力学表征刷新 LIBERO 等四大机器人基准
Hanqing Wang · hf · 2026-10-28
PDRVLA 是一个引入物理动力学表征的视觉-语言-动作（VLA）模型：在 VLM 主干上外挂一个轻量的 Physical Dynamics 模块，以世界模型监督预测未来视觉特征（训练时用 RGB/深度/光流直接预测加冻结视频世界模型做辅助监督），推理时避免了在线视频生成的延迟。
架构上，多视角图像与任务指令经 VLM 得到中间特征，物理模块输出物理 token 与最终特征一起送入 action expert，生成 8 步动作块。
- LIBERO：99.3%，超过 π₀.5、Cosmos-Policy、Xiaomi-Robotics-0、Qwen-RobotManip、InternVLA-A1.5
- LIBERO-Plus：89.9%，领先第二名 Qwen-RobotManip（89.0%）
- RoboTwin 2.0：93.6%，超过 LingBot-VLA 2.0（93.2%）
- SimplerEnv：81.5%，超过 InternVLA-A1.5（80.8%）
「具身」频道最新
- Dyna 发布人形机器人 Taku,以工匠精神而非参数表做营销 — heyshrutimishra · 2026-10-28
- 阿里达摩院发布跨本体世界模型 RynnWorld-Latent：553.5M 帧联合预训练 — Alibaba-DAMO-Academy · 2026-10-28
- 开发者让 GPT 控制哈苏相机：自动对焦、触发快门、语音聊天 — rrRadium · 2026-10-28
- 机器人抢工作名场面：帖主调侃式围观演示视频 — alysha_lobo · 2026-10-28
- 首尔大学发布家庭机器人导航安全基准:避撞不等于安全 — SeoulNatlUniv · 2026-10-28
- 早期用户吐槽 AI 硬件:不打开应用就发热,体验平庸 — alexmacgregor__ · 2026-10-28