以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Vision-Language-Action (VLA) models have demonstrated promising capabilities in robotic manipulation by integrating visual perception, language understanding, and action generation. Recent advances have further incorporated future prediction to enhance the understanding of environmental dynamics and task progression. H
阅读原文 · Rongxing Ding, Hongyu Qu, Kehong Wu, Xudong Wang, Fan Zhang, Xinguang Xiang, Xiangbo Shu
向阳乔木 · opencode-go/deepseek-v4.1-flash
VLA 模型最近一年在机器人操作上进展很快，但一个老问题一直没解决：模型能不能“预判未来”，以及预判出来的未来到底怎么用。 这篇 HiFOR 想处理的就是这个衔接问题。它认为现有做法把短期动态和长期目标分开建模，又把预测出的未来直接塞进动作策略，没管这些未来跟当前动作需求是否相关。如果你在关注 VLA 的世界模型路线，这篇值得翻一翻。 论文的元信息在 Hug...