arXiv cs.AI· Baoyu Li, Xinchen Yin, Mengying Lin, Yixin Zhang, Danfei Xu·· 9 小时前AI 评分32
EgoWAM：用野外第一视角人类数据训练超越像素的世界动作模型
EgoWAM: World Action Models Beyond Pixels with In-the-Wild Egocentric Human Data
AI 导读
EgoWAM 是一个固定策略骨干、动作头与数据配比、仅改变世界预测目标的人类-机器人协同训练框架，对比了 Pixel、DINO 和 3D motion flow 三种世界表示。在三个真实双臂任务中，基于 DINO 的预测将分布外物体与场景泛化能力提升最多 4 倍，3D flow 将域内性能提升 20-30%，而 Pixel 预测迁移效果较弱。
来源：arXiv cs.AI · arxiv.org