实体
Latent World-Action Model
Latent World-Action Model
PulseAugur coverage of Latent World-Action Model — every cluster mentioning Latent World-Action Model across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
北京大学教授倡导具身AI的潜在空间方法，绕过视觉生成
北京大学教授、BeingBeyond创始人陆宗庆正在开创一种具身AI的“潜在空间”方法。该方法绕过视觉生成，直接在嵌入空间中预测机器人动作和世界响应，显著降低了训练成本并实现了实时控制。陆认为，与推动大型语言模型发展的确定性技术范式类似的方法，对于具身AI仍然缺失，而第一人称人类视频是训练这些模型最可扩展的数据源。BeingBeyond最近发布了Being-H0.8，这是一个隐式触觉世界-动作模型，将视觉、触觉和动作模态整合到一个统一…
-
新的机器人策略模型增强了动作生成和效率
研究人员开发了新的机器人策略学习方法，提高了动作生成效率和准确性。LeaP（一种可学习的源先验）通过对本体感觉进行条件化来优化动作生成的起点，从而在操作任务上取得了显著的性能提升。LaWAM引入了潜在世界动作模型，该模型预测紧凑的潜在视觉子目标而非完整的视频帧，从而在保持高成功率的同时降低了计算延迟。几何动作模型（GAM）将几何基础模型重新用于语言条件操作，直接整合3D几何以实现更鲁棒、更高效的控制。