RotVLA：面向视觉-语言-动作模型的旋转潜在动作

Qiwei Li, Xicheng Gong, Xinghang Li, Peiyan Li, Quanyun Zhou, Hangjun Ye, Jiahuan Zhou, Yadong Mu

2026

摘要

RotVLA提出了一种基于连续旋转潜在动作表示的VLA框架，将潜在动作建模为SO(n)群元素，以提供连续性、组合性和与真实世界动作一致的几何结构。通过三重帧学习框架和流匹配动作头，该模型在大规模跨本体机器人数据集和人类视频上预训练，并利用潜在动作作为高级规划器来指导下游机器人控制。

latent action modelvision-language-actionrotational representationrobot pretrainingflow matching

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者

Robotics and Computer-Integrated Manufacturing · 2026