为物体操作的生成世界模型中表示位置性信息

BriefGPT - AI 论文速递 · 2024-09-18T00:00:00Z

该论文提出了一种视觉-运动策略学习框架，通过人类示范对视频扩散模型进行微调，使用合成的执行结果来控制机器人，弥合人手和机器人操作者之间的具身隔阂。通过四个任务的评估，证明了利用互联网规模的生成模型可以实现更高程度的泛化。