研究人员开发了一个空间感知世界动作模型(SA-WAM),该模型将3D几何信息整合到用于机器人策略学习的大规模预训练视频扩散模型中。该模型重新利用现有的视频扩散骨干网络来同时预测动作、RGB和深度,从而无需大量微调即可实现3D感知世界建模。SA-WAM在RoboCasa和LIBERO-Plus等基准测试中表现出最先进的性能,并在UR5机械臂上显示出强大的实际改进。 AI
影响 通过将3D空间感知能力整合到世界模型中,实现了更复杂的机器人控制。
排序理由 详细介绍新模型架构及其在基准测试中性能的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Hugging Face
- Javier Alejandro Lopetegui Gonzalez
- LIBERO-Plus
- RoboCasa
- SA-WAM
- Spatially Aware World Action Model
- Ur5
- variational auto-encoder
- World Action Models
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →