研究人员开发了Zero-WAM,一种新颖的因果视频-动作模型,旨在使机器人能够通过学习人类演示视频来执行未见过的操作任务。这种方法借鉴了大型语言模型的上下文学习,使用视频作为任务规范。为了克服数据稀缺问题,一个自动化流程生成了一个包含74.2K个人类-机器人上下文学习对的数据集。Zero-WAM在模拟中的七个未见过任务上取得了47.0%的成功率,显著优于现有的视频-动作模型,并在现实场景中展示了泛化能力。 AI
影响 通过学习人类视频演示,使机器人能够泛化到新的操作任务,可能加速机器人学习。
排序理由 发布了一篇详细介绍新模型和数据集的新研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →