EgoWAM：换世界预测目标提升机器人泛化
热点事件持续更新
EgoWAM：换世界预测目标提升机器人泛化
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Baoyu Li等作者发布EgoWAM人-机器人协同训练框架，在固定策略骨干、动作头和数据配比的前提下，只改变世界预测目标，对比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预测的迁移效果较弱。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
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报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AIEgoWAM：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 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。