★ 3
ProWAM：渐进式视觉规划的世界动作模型
研究提出ProWAM，一种联合预测动作和有序稀疏视觉子目标序列的渐进式世界动作模型，为任务执行中的动作生成提供显式视觉引导。该设计可从大规模无动作视频中学习子目标预测，将复杂视觉规划从动作策略中卸载。在LIBERO-Plus和RoboTwin等基准上取得新最优结果，零样本真实世界实验中成功率达70…
arXiv cs.AI28 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究提出ProWAM，一种联合预测动作和有序稀疏视觉子目标序列的渐进式世界动作模型，为任务执行中的动作生成提供显式视觉引导。该设计可从大规模无动作视频中学习子目标预测，将复杂视觉规划从动作策略中卸载。在LIBERO-Plus和RoboTwin等基准上取得新最优结果，零样本真实世界实验中成功率达70…