Interactive world simulator for robot policy training and evaluation
假设您想教机器人将物体推到桌子上。机器人学习的标准方法是收集数百个真实机器人上的专家演示，根据这些数据训练模仿学习策略，然后通过在同一个真实机器人上多次运行该策略来评估该策略。两者都 [...]
Interactive World Simulator for Robot Policy Training and Evaluation
假设您想教机器人将物体推到桌子上。机器人学习的标准方法是收集数百个真实机器人上的专家演示，根据这些数据训练模仿学习策略，然后通过在同一个真实机器人上多次运行该策略来评估该策略。两者都 [...]
VideoFlexTok: Flexible-Length Coarse-to-Fine Video Tokenization
视觉分词器将高维原始像素映射为下游建模的压缩表示。除了压缩之外，标记器还决定保留哪些信息以及如何组织信息。视频标记化事实上的标准方法是将视频表示为标记的时空 3D 网格，每个标记捕获原始信号中相应的局部信息。这需要使用令牌的下游模型（例如文本到视频模型）学习“逐像素”预测所有低级细节，而不考虑视频固有的复杂性，从而导致......
