**PDRVLA：引入物理动力学表示的轻量级视觉 - 语言 - 动作模型**

_PDRVLA: A Vision-Language-Action Model with Physical Dynamics Representations_

> 针对现有视觉 - 语言 - 动作（VLA）模型物理动力学理解不足及视频世界模型延迟高的问题，研究提出了 PDRVLA 模型。该模型通过轻量级物理动力学模块，从视觉 - 语言特征中提取物理令牌以条件化动作生成，无需在线视频生成。模块通过直接预测未来 RGB、深度和光流特征进行训练，并辅以预训练视频世界模型的监督。实验表明，PDRVLA 在多个仿真基准测试中取得了极高的任务成功率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-28 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.37381)