论文阅读 Causal World Modeling for Robot Control (Lingbot-VA)

2026-08-052026-08-05

Quote

论文链接

啥是 Lingbot-VA

在 LingBot-VA 之前，机器人如何学习？

1. 传统的 VLA policy

视觉观察 + 语言指令 -> 动作

1. WM 作为模拟器

2. video prediction / future prediction 辅助 policy

LingBot-VA 到底创新了什么

Ctrl World 是：action -> video

传统 VLA 是：video -> action

LingBot-VA 是：video <-> action，在同一个时间序列里互相条件化

它在每个自回归 step 里既预测 future visual states，又解码 corresponding actions，让两个 stream 互相影响

公式解释

符号说明

\(o_t\)

评论