← 世界模型 / 未来预测如何用因果交织的视频与动作双流LingBot-VA · 原文 Fig. 2 · p.4 ↗
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
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。
- 01编码历史与任务
- 02预测视觉转移
- 03逆动力学生成动作
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。
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