arXiv cs.RO 机器人学· Chuyao Fu, Xiaowei Chi, Yuhan Rui, Yu-kai Wang, Zezhong Qian, Xiaojie Zhang, Yunfan Lou, Kevin Zhang, Kuangzhi Ge, Chak Wing Mak, Zhiyang Chen, Athena Zhuoming Zhong, Hongyang Chen, Haoran Li, Yike Guo, Sirui Han, Shanghang Zhang·· 2 天前AI 评分53
Token-World：在视觉-语言模型 Token 空间进行世界建模以实现机器人操作
Token-World: World Modeling in Vision-Language Model Token Space for Robot Manipulation
AI 导读
Token-World 是一种动作条件世界模型，将 VLM 特征压缩为紧凑 token 状态，在降维空间学习未来动态并映射回策略表示，用于机器人操作。在闭环评估中，其模拟策略性能与参考策略的相关性高于 Ctrl-World（r=0.794 vs. 0.583），且仿真时延更低。消融实验显示紧凑表示的设计与维度显著影响未来状态预测，代码将开源。
来源：arXiv cs.RO 机器人学 · arxiv.org