研究者提出具身基础模型统一概率框架

Xinyi Hong、Mingyang Ren 提出一种基于随机核、与架构无关的概率公式，用于统一视觉-语言-动作（VLA）模型和世界动作模型（WAM）这类具身基础模型。该公式通过条件输出分布与动作实现核刻画模型，并把预训练、后训练与策略部署串联起来。 作者称已在 OpenVLA 和 DreamZero 上实例化该公式，覆盖自回归动作 token 预测与视频-动作联合生成两种范式。这是论文中的形式化主张，报道未给出实验验证结果。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。