ObjDream：物体级理解与未来状态预测的VLA框架

2026年10月15日，arXiv Robotics 刊出 Huailiang Ma 等作者的论文，提出 ObjDream——一个以物体级理解与未来物体状态预测为核心的 VLA（视觉-语言-动作）框架。据该报道，ObjDream 使用时空物体编码器将视觉观测组织为时序 object slots，并通过身份引导路由调节 VLM 对相应物体 token 的注意力。报道称其设计动机是应对既有方法的局限。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。