亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

3D-VLA: A 3D Vision-Language-Action Generative World Model

生成语法 动作(物理) 生成模型 语言学 计算机科学 人工智能 哲学 物理 量子力学
作者
Haoyu Zhen,Xiaowen Qiu,Peihao Chen,Jincheng Yang,Xin Yan,Yilun Du,Yining Hong,Chuang Gan
出处
期刊:Cornell University - arXiv 被引量:2
标识
DOI:10.48550/arxiv.2403.09631
摘要

Recent vision-language-action (VLA) models rely on 2D inputs, lacking integration with the broader realm of the 3D physical world. Furthermore, they perform action prediction by learning a direct mapping from perception to action, neglecting the vast dynamics of the world and the relations between actions and dynamics. In contrast, human beings are endowed with world models that depict imagination about future scenarios to plan actions accordingly. To this end, we propose 3D-VLA by introducing a new family of embodied foundation models that seamlessly link 3D perception, reasoning, and action through a generative world model. Specifically, 3D-VLA is built on top of a 3D-based large language model (LLM), and a set of interaction tokens is introduced to engage with the embodied environment. Furthermore, to inject generation abilities into the model, we train a series of embodied diffusion models and align them into the LLM for predicting the goal images and point clouds. To train our 3D-VLA, we curate a large-scale 3D embodied instruction dataset by extracting vast 3D-related information from existing robotics datasets. Our experiments on held-in datasets demonstrate that 3D-VLA significantly improves the reasoning, multimodal generation, and planning capabilities in embodied environments, showcasing its potential in real-world applications.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
oleskarabach完成签到,获得积分20
4秒前
oleskarabach发布了新的文献求助10
9秒前
苏葳蕤完成签到,获得积分10
12秒前
15秒前
SCI发布了新的文献求助10
16秒前
既然寄了,那就开摆完成签到 ,获得积分10
19秒前
QI发布了新的文献求助10
19秒前
煎炒焖煮炸培根完成签到,获得积分10
20秒前
Easypass完成签到 ,获得积分10
21秒前
wtsow完成签到,获得积分0
22秒前
苏葳蕤发布了新的文献求助10
25秒前
25秒前
守正创新是鲜明理论品格完成签到,获得积分10
26秒前
活泼新儿发布了新的文献求助10
31秒前
英俊的铭应助科研通管家采纳,获得10
31秒前
彭于晏应助科研通管家采纳,获得10
31秒前
33秒前
wbs13521发布了新的文献求助10
37秒前
wbs13521完成签到,获得积分10
44秒前
英俊的铭应助橘子汽水采纳,获得10
45秒前
50秒前
橘子汽水发布了新的文献求助10
56秒前
doctor小陈完成签到,获得积分10
1分钟前
华仔应助TIGun采纳,获得10
1分钟前
1分钟前
1分钟前
张张完成签到,获得积分10
1分钟前
南浔完成签到,获得积分10
1分钟前
1分钟前
Delight完成签到 ,获得积分10
1分钟前
wanci应助田柾国采纳,获得10
1分钟前
1分钟前
务实的焦完成签到 ,获得积分10
1分钟前
2分钟前
小蘑菇应助YY采纳,获得10
2分钟前
田柾国发布了新的文献求助10
2分钟前
efren1806完成签到,获得积分10
2分钟前
时尓发布了新的文献求助10
2分钟前
LAN完成签到,获得积分10
2分钟前
隐形问萍发布了新的文献求助10
2分钟前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3162280
求助须知:如何正确求助?哪些是违规求助? 2813284
关于积分的说明 7899622
捐赠科研通 2472655
什么是DOI,文献DOI怎么找? 1316491
科研通“疑难数据库(出版商)”最低求助积分说明 631365
版权声明 602142