机器人可能不需要专用大脑，而是利用视频模型

一篇新论文介绍了一种名为 Masked Visual Actions (MVA) 的方法，该方法通过利用视频生成模型来统一机器人的世界建模和动作生成。MVA 不训练专门的机器人基础模型，而是将动作视为视频帧内的掩码轨迹，从而使机器人能够直接利用成熟的视频模型。这种方法只需要极少的微调，在不同机器人硬件上展现出强大的零样本泛化能力，并为工业自动化中的跨体挑战提供了潜在解决方案。 AI

影响 这种方法可以显著降低机器人训练的成本和复杂性，通过利用现有的视频模型，从而在各行各业得到更广泛的应用。

排序理由 学术研究人员发布论文，详细介绍了一种新的机器人控制方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 雷峰网 (Leiphone) 阅读 →

• ControlNet
• Ctrl-World
• Fei-Fei Li
• Harvard University
• ImageNet
• LoRA
• Masked Visual Actions
• Meta
• MIT
• SAM
• Stanford University
• Unified World Modeling
• Wan2.2
• Yilun Du

• 模型发布
• 产品
• 其他

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