PulseAugur
实时 01:43:39
English(EN) SC3-Eval: Evaluating Robot Foundation Models via Self-Consistent Video Generation

新的SC3-Eval方法使用视频生成来评估机器人基础模型

研究人员开发了SC3-Eval,一种通过自洽视频生成来评估机器人基础模型的新颖方法。该方法通过模拟策略回放来解决现实世界机器人测试的局限性,而策略回放可能既昂贵又耗时。SC3-Eval强制执行三种一致性——前向-逆向动力学、跨视图和测试时一致性——以确保准确性并泛化到未见过的策略。该方法表现强劲,与现实世界结果高度相关,并优于现有的基于视频模型的基线。 AI

影响 提供了一种可扩展且准确的评估机器人基础模型的方法,有可能加速其开发和部署。

排序理由 该集群包含一篇学术论文,详细介绍了机器人基础模型的新评估方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的SC3-Eval方法使用视频生成来评估机器人基础模型

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Wei-Cheng Tseng, Gashon Hussein, Yuzhu Dong, Allen Z. Ren, Lucy X. Shi, XuDong Wang, Sergey Levine, Zhaoshuo Li, Jinwei Gu, Florian Shkurti, Ming-Yu Liu, Quan Vuong ·

    SC3-Eval:通过自洽视频生成评估机器人基础模型

    arXiv:2606.18610v2 Announce Type: replace-cross Abstract: Evaluating generalist robot manipulation policies in the real world is expensive, slow, and difficult to scale. Action-conditioned video world models offer a scalable alternative by simulating policy rollouts. Autoregressi…