arXiv · Robotics· Tingting Du, Ziyao Wang, Guoheng Sun, Ang Li·· 16 小时前AI 评分35
XGenAct：通过跨任务生成实现几何增强的世界动作模型
XGenAct: Geometry-Enhanced World Action Models through Cross-Task Generation
AI 导读
研究者提出世界动作模型 XGenAct，将 RGB 观测、机器人动作、度量深度、表面法线和功能角色分割统一表示为 RGB 视频，用单一视频 diffusion transformer 和单一目标完成跨空间时序预测，无需模态专用头部。在 RLBench 留出任务上，其五任务外部比较成功率达 52%，强于最强基线的 26%，并更准确预测未来深度与分割。
来源：arXiv · Robotics · arxiv.org