**VITAL：从视觉运动中提取精准动作预测**

_VITAL: From Visual Motion to Precise Action_

> 研究提出 VITAL 动作标记器，通过耦合视觉驱动的运动框架与轨迹误差残差，将视觉运动作为主要预测目标。该方法利用流匹配技术，在仅需单步去噪的情况下，显著提升导航任务的准确性，并大幅提升推理速度。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.20604)