一项新研究表明，以自为中心的视频数据在预训练具身基础模型方面可能比真实的机器人轨迹更有效。研究人员发现，与使用机器人数据训练的模型相比，使用经过筛选和标记的人类视频预训练的模型在验证损失方面降低了24%，在真实机器人任务执行方面的成功率显著提高。这表明一种可扩展的方法，即从人类视频中学习多样化的世界表征，然后通过有限的真实机器人数据进行适应以对齐动作空间。 AI
影响 提出了一种更具可扩展性和成本效益的具身AI数据收集范式，可能加速开发。
排序理由 该集群包含一篇学术论文，详细介绍了关于具身AI数据来源的新研究发现。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- Action prediction
- egocentric human video
- embodied foundation models
- HumanScale
- large language models
- teleoperated real-robot trajectories
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
