研究人员推出了视频预测策略 2 (VPP2),这是世界动作模型 (WAMs) 的一项进展,旨在提高在开放式环境中机器人运动预测和动作生成的准确性。VPP2 通过使用大规模、多样化的操作视频数据集进行预训练,并为其动作模块采用混合 Transformer 架构,解决了现有 WAMs 的局限性。实验表明,VPP2 在视频预测方面显著优于 Cosmos3-64B 等模型,并在现实世界的 ALOHA 操作任务以及 LIBERO-Pro、LIBERO-OOD 和 RoboDojo 等具有挑战性的基准测试中取得了更高的成功率。 AI
影响 增强了机器人策略的泛化能力和零样本操作能力,有望加速现实世界机器人技术的应用。
排序理由 该项目是一篇研究论文,详细介绍了新模型和基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]
- ALOHA
- arXiv
- Cosmos3-64B
- LIBERO-OOD
- LIBERO-Pro
- RoboDojo
- Video Prediction Policy 2
- World action models
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →