**HiFOR：通过分层前瞻与动作引导的世界检索增强机器人操作**

_HiFOR: Hierarchical Foresight with Action-Guided World Grounding for Vision-Language-Action Model_

> 针对现有视觉 - 语言 - 动作（VLA）模型在整合短期动态与长期目标时的不足，本文提出了 HiFOR 框架。该框架通过分层依赖掩码联合预测短期状态、语义里程碑及最终目标，并利用结构感知潜在世界建模组织未来表征，最终通过动作引导的因子化世界检索，自适应地获取与当前动作需求相关的未来信息，从而显著提升机器人在仿真及真实世界中的操作能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-02 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.40373)