Selective Cross-View Consistency

新的SCVC方法在无需摄像头数据的情况下增强了机器人视点鲁棒性

研究人员开发了一种名为选择性跨视图一致性（SCVC）的新方法，以提高世界动作模型（WAMs）在处理摄像头视点变化时的鲁棒性。传统的WAMs在处理视点扰动时会遇到困难，而SCVC通过仅将一致性损失应用于动作和本体感觉等视点不变的元素，而不是像预测场景等视点共变的元素来解决这个问题。这种方法在训练或测试期间不需要摄像头信息，在未见过的轨道视点上显示出闭环成功率的显著提高。