**VLA-Δ：通过显式物理状态转换提升视觉语言动作模型性能**

_VLA-Δ: Learning Physical State Transition for Vision-Language-Action Models_

> 针对现有视觉语言动作模型（VLA）缺乏对中间物理状态变化显式监督的缺陷，研究提出了 VLA-Δ 框架。该框架利用当前与未来状态间的物理变化作为明确的学习目标，通过构建大规模预训练数据集提供直接监督，从而在保持推理效率的同时，显著提升了机器人在 LIBERO、RoboTwin 基准测试及真实机器人实验中的表现。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.21306)