Copertina

Learning Visual Feature-Based World Models via Residual Latent Action

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhang, Xinyu, Xu, Zhengtong, Tao, Yutian, Wang, Yeping, She, Yu, Boularias, Abdeslam
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning Robotics
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

VILP: Imitation Learning with Latent Video Planning
di: Xu, Zhengtong, et al.
Pubblicazione: (2025)

Motion Blender Gaussian Splatting for Dynamic Scene Reconstruction
di: Zhang, Xinyu, et al.
Pubblicazione: (2025)

DAP: Diffusion-based Affordance Prediction for Multi-modality Storage
di: Chang, Haonan, et al.
Pubblicazione: (2024)

UNIC: Learning Unified Multimodal Extrinsic Contact Estimation
di: Xu, Zhengtong, et al.
Pubblicazione: (2026)

One-Shot Imitation Learning with Invariance Matching for Robotic Manipulation
di: Zhang, Xinyu, et al.
Pubblicazione: (2024)

Bounding Distributional Shifts in World Modeling through Novelty Detection
di: Jing, Eric, et al.
Pubblicazione: (2025)

DiLA: Disentangled Latent Action World Models
di: Zhang, Tianqiu, et al.
Pubblicazione: (2026)

AdaWorld: Learning Adaptable World Models with Latent Actions
di: Gao, Shenyuan, et al.
Pubblicazione: (2025)

Scaling Manipulation Learning with Visual Kinematic Chain Prediction
di: Zhang, Xinyu, et al.
Pubblicazione: (2024)

ALAM: Algebraically Consistent Latent Action Model for Vision-Language-Action Models
di: Tang, Zuojin, et al.
Pubblicazione: (2026)

Glove2Hand: Synthesizing Natural Hand-Object Interaction from Multi-Modal Sensing Gloves
di: Zhang, Xinyu, et al.
Pubblicazione: (2026)

DIAL: Decoupling Intent and Action via Latent World Modeling for End-to-End VLA
di: Chen, Yi, et al.
Pubblicazione: (2026)

Detect Everything with Few Examples
di: Zhang, Xinyu, et al.
Pubblicazione: (2023)

Latent Action Pretraining Through World Modeling
di: Tharwat, Bahey, et al.
Pubblicazione: (2025)

ThinkAct: Vision-Language-Action Reasoning via Reinforced Visual Latent Planning
di: Huang, Chi-Pin, et al.
Pubblicazione: (2025)

Autoregressive Action Sequence Learning for Robotic Manipulation
di: Zhang, Xinyu, et al.
Pubblicazione: (2024)

Chain of World: World Model Thinking in Latent Motion
di: Yang, Fuxiang, et al.
Pubblicazione: (2026)

Self-Correcting VLA: Online Action Refinement via Sparse World Imagination
di: Liu, Chenyv, et al.
Pubblicazione: (2026)

EA-WM: Event-Aware Generative World Model with Structured Kinematic-to-Visual Action Fields
di: Yang, Zhaoyang, et al.
Pubblicazione: (2026)

IRL-VLA: Training an Vision-Language-Action Policy via Reward World Model
di: Jiang, Anqing, et al.
Pubblicazione: (2025)

Latent-WAM: Latent World Action Modeling for End-to-End Autonomous Driving
di: Wang, Linbo, et al.
Pubblicazione: (2026)

Residual Cross-Modal Fusion Networks for Audio-Visual Navigation
di: Wang, Yi, et al.
Pubblicazione: (2026)

HAMSTER: Hierarchical Action Models For Open-World Robot Manipulation
di: Li, Yi, et al.
Pubblicazione: (2025)

Towards Unified World Models for Visual Navigation via Memory-Augmented Planning and Foresight
di: Dong, Yifei, et al.
Pubblicazione: (2025)

Language-Conditioned World Modeling for Visual Navigation
di: Dong, Yifei, et al.
Pubblicazione: (2026)

Visual Foresight for Robotic Stow: A Diffusion-Based World Model from Sparse Snapshots
di: Zhang, Lijun, et al.
Pubblicazione: (2026)

VLA-JEPA: Enhancing Vision-Language-Action Model with Latent World Model
di: Sun, Jingwen, et al.
Pubblicazione: (2026)

LeTac-MPC: Learning Model Predictive Control for Tactile-reactive Grasping
di: Xu, Zhengtong, et al.
Pubblicazione: (2024)

Planning in 8 Tokens: A Compact Discrete Tokenizer for Latent World Model
di: Kim, Dongwon, et al.
Pubblicazione: (2026)

ChatVLA-2: Vision-Language-Action Model with Open-World Embodied Reasoning from Pretrained Knowledge
di: Zhou, Zhongyi, et al.
Pubblicazione: (2025)

DriveWorld-VLA: Unified Latent-Space World Modeling with Vision-Language-Action for Autonomous Driving
di: jia, Feiyang, et al.
Pubblicazione: (2026)

Pri4R: Learning World Dynamics for Vision-Language-Action Models with Privileged 4D Representation
di: Kim, Jisoo, et al.
Pubblicazione: (2026)

From Observation to Action: Latent Action-based Primitive Segmentation for VLA Pre-training in Industrial Settings
di: Zhang, Jiajie, et al.
Pubblicazione: (2025)

DriveDreamer-Policy: A Geometry-Grounded World-Action Model for Unified Generation and Planning
di: Zhou, Yang, et al.
Pubblicazione: (2026)

SpecPrune-VLA: Accelerating Vision-Language-Action Models via Action-Aware Self-Speculative Pruning
di: Wang, Hanzhen, et al.
Pubblicazione: (2025)

Failure Forecasting Boosts Robustness of Sim2Real Rhythmic Insertion Policies
di: Liu, Yuhan, et al.
Pubblicazione: (2025)

Sparse Imagination for Efficient Visual World Model Planning
di: Chun, Junha, et al.
Pubblicazione: (2025)

Fast-ThinkAct: Efficient Vision-Language-Action Reasoning via Verbalizable Latent Planning
di: Huang, Chi-Pin, et al.
Pubblicazione: (2026)

Motus: A Unified Latent Action World Model
di: Bi, Hongzhe, et al.
Pubblicazione: (2025)

LatentPilot: Scene-Aware Vision-and-Language Navigation by Dreaming Ahead with Latent Visual Reasoning
di: Hao, Haihong, et al.
Pubblicazione: (2026)