NAVER AI Lab 等联合研究团队 / 独立收录记录

LaLa-World

LaLa-World 把数值动作和视觉变化写成语言条件,在同一潜在预测器中结合模拟、机器人、图像和视频数据。

表征与状态预测最近一次技术来源阅读于 2026-11-043 份原始材料

技术资料

能做什么,使用时要注意什么。

输入与结果

提供什么
视觉上下文的潜在表征与语言条件。
得到什么
下一步视觉潜在表征。
动作的作用
预测以动作为条件。
资料尚未确认
开放方式开源情况适用限制需要区分的对象已收录材料不足以判断,未确认不代表没有相应能力。

分类与用途

本站根据所引材料归纳的检索标签。标签可以重叠,不表示能力验证;未知不表示不支持。

模型类型
  • 表征与状态预测核心世界模型预测未来表征、token 或状态;不因内部使用 latent 就归入此类。
控制方式
  • 文本 / 事件指令以文本提示或事件指令作为生成条件;不自动代表逐步动作控制。
应用领域
  • 机器人材料明确涉及机器人学习、规划或模拟。

基础 LaLa-World 使用语言作为动作/变化接口,核心输出为未来潜在表征;不合并 LaLa-Policy 的动作输出或性能。

分类依据

来源与原文

按原始材料集中查阅;相同原句合并展示,对应资料与阅读日期一并保留。

LaLa-World · 项目原始材料

arxiv.org

核对原文摘录 · 2 段,支持 5 项资料
原阅读方向 / 输入什么 / 输出什么

阅读于 2026-11-04

The predictor $P_{\phi}$ takes the visual context $e_{t-w+1:t}$ and the language condition $z$ as input and predicts the next latent representation $\hat{e}_{t+1}$.
一句话认识 / 动作是否影响预测

阅读于 2026-11-04

First, we describe both numerical actions and visual changes in language, enabling joint training of a single future predictor across heterogeneous datasets.

背景资料阅读于 2026-11-04

本站整理来源中的声明,不核查厂商声明真伪,不评价模型优劣。了解收录方式 →