PulseAugur
中
实时 08:52:28
English(EN) MVP-LAM: Learning Action-Centric Latent Action via Cross-Viewpoint Reconstruction

MVP-LAM 学习以动作为中心的潜在动作，以改进 VLA 预训练

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 MVP-LAM，一种从多视角视频中学习以动作为中心的潜在动作的新颖方法。该方法使用跨视角重建目标来确保潜在动作即使在减少了特定视角线索的情况下，也能提供关于真实动作的信息。使用 MVP-LAM 的潜在动作对视觉-语言-动作模型进行预训练，已在各种基准测试中证明了下游操作性能的提高。 AI

影响 引入了一种预训练视觉-语言-动作模型的新方法，有可能改进机器人操作任务。

排序理由 这是一篇详细介绍从视频数据中学习潜在动作的新方法的学术论文。[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 →

MVP-LAM 学习以动作为中心的潜在动作，以改进 VLA 预训练

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Jung Min Lee, Dohyeok Lee, Seokhun Ju, Taehyun Cho, Jin Woo Koo, Li Zhao, Sangwoo Hong, Jungwoo Lee ·

    MVP-LAM：通过跨视角重建学习以动作为中心的潜在动作

    arXiv:2602.03668v2 Announce Type: replace-cross Abstract: Latent actions learned from diverse human videos serve as pseudo-labels for vision-language-action (VLA) pretraining, but provide effective supervision only if they remain informative about the underlying ground-truth acti…

相关实体

相关话题