研究人员开发了VTAM,这是一种高效的视觉-触觉世界-动作模型,专为接触式操作任务而设计。该模型不需要触觉或动作预训练,并利用共享的冻结视频VAE和用于RGB及触觉观察的Transformer权重。VTAM在真实机器人和模拟任务上的表现优于现有基线,在推理速度显著提高的同时,表现与经过广泛预训练的模型相当。 AI
影响 该模型通过减少对广泛触觉预训练的需求并提高推理速度,有可能加速机器人操作的进步。
排序理由 该集群包含一篇详细介绍机器人新模型的学术论文。[lever_c_research降级:ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →