视觉-语言-动作

ERMV：面向具身智能的 4D 多视角机器人世界模型

4D 多视角生成式具身世界模型：在严格保持机械臂动作与轨迹几何一致的前提下实现高质量场景编辑，赋能下游端到端 VLA 策略训练。