**InternVLA-A1.5:统一理解、潜在预见与动作以实现组合泛化**

_InternVLA-A1.5: Unifying Understanding, Latent Foresight, and Action for Compositional Generalization_

> HuggingFace Daily Papers 推荐 InternVLA-A1.5,该模型在保持预训练视觉语言模型语义先验的同时,通过冻结的视频生成模型监督下的潜在查询机制进行未来预测,从而继承世界模型动力学先验。该方法避免了像素级生成的干扰,在仿真基准中取得最佳结果,并在真实世界中展现出强大的长程执行与组合泛化能力。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-07-07 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2607.04988)