arXiv · cs.AI· Kaixi Feng, Guoheng Sun, Ang li·· 2 天前
PAIR：连接视觉语言动作模型中的感知与动作表示
PAIR: Bridging Perception and Action in Vision-Language-Action Models
arXiv:2610.09016v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Kaixi Feng, Guoheng Sun, Ang li
首次提交：2026-10-07 03:11
研究任务与主要进展
PAIR提出一种连接视觉语言动作模型感知与动作空间的框架，通过Masked Action Autoencoder生成动作潜变量令牌，并由Bridge Module生成融合任务信息的Bridge Tokens，注入动作专家以辅助连续动作生成。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org