RxBrain：融合语言—视觉推理与想象的具身认知基础模型

论文提出Hy-Embodied-RxBrain，将语言规划与视觉想象统一到单一具身规划序列中：语言表达任务分解、约束和时序，视觉模块预测中间及最终物理状态。作者还构建自动视频监督管线与RxBrain-Bench，并报告其在具身理解、生成及连续机器人动作生成上的初步结果。