跳到正文
arXiv · 机器人与计算机视觉· Lingwei Dang, Yan Zhou, Juntong Li, Zhenhao Zhang, Yiteng Chen, Xiaoqiang Liu, Liang An, Hongwen Zhang, Wei Min, Guoxin Zhang, Pengfei Wan, Yebin Liu, Qingyao Wu·· 16 天前精选AI 评分82

Gnomon4D:基于几何运动的视频 - 动作联合建模研究

Gnomon4D: Learning Where and When to Focus for Geometric Motion-Grounded World-Action Modeling

AI 导读

论文提出 Gnomon4D 世界动作模型,通过 GeoDelta 几何运动场显式编码物体与机器人点的跨帧位移和深度变化,结合 InSAttn 注意力机制聚焦任务相关交互区域。

推荐理由

该工作提出 GeoDelta 几何运动场与 InSAttn 注意力机制,在仿真基准上超越最强基线,为理解物理交互提供新范式。

来源:arXiv · 机器人与计算机视觉 · arxiv.org