arXiv · Robotics· Huang Huang, Sriram Yenamandra, Arjun Majumdar, Elie Aljalbout, Tushar Nagarajan, Tsung-Yen Yang, Akshara Rai, Michael Rabbat, Li Fei-Fei, Jiajun Wu, Tingfan Wu, Franziska Meier·· 4 hr agoAI score39
跨具身机器人基础世界模型与潜在动作
Cross-Embodiment Robot Foundation World Models with Latent Actions
AI brief
研究者提出潜在动作条件机器人世界模型 LAC-WM，在多种机器人具身间共享统一潜在动作空间，以提升跨具身泛化能力。与基于显式动作标签的 EAC-WM 相比，LAC-WM 在灵巧操作任务和改造版 LIBERO 基准上分别提升最高 46.7% 和 11.7%，且下游性能随预训练具身数量增加而提升。统一动作空间对高效跨具身学习至关重要。
Source: arXiv · Robotics · arxiv.org