← 世界模型 / 未来预测如何用

正式发表 / World Models

LingBot-VA

LingBot-VA: Causal World Modeling for Robot Control

RSS · 2026

快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗

关键框架 FRAMEWORK
因果交织的视频与动作双流LingBot-VA · 原文 Fig. 2 · p.4 ↗

双流 Mixture-of-Transformers 交织视觉和动作 token;先预测未来视觉状态,再基于视觉转移推断对应动作。

  1. 01编码历史与任务
  2. 02预测视觉转移
  3. 03逆动力学生成动作
LingBot-VA因果交织的视频与动作双流
因果交织的视频与动作双流

双流 Mixture-of-Transformers 交织视觉和动作 token;先预测未来视觉状态,再基于视觉转移推断对应动作。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

以因果视频动作建模连接未来预测和机器人控制,关注历史信息与异步执行。

WHY READ IT

为什么放在这条路线

和 DreamZero 比较双流结构、缓存记忆以及真实观测进入控制循环的方式。

当前阶段未来预测如何用 ↗

预测用于特征、数据生成,还是策略优化?

READ WITH A QUESTION

读的时候,留意什么

RSS 2026 标注来自作者仓库;VA 与 VA2 的模型和结果应分开。块内联合生成不等于推理时使用真实未来信息。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器