arXiv · 机器人与计算机视觉· Yupeng Zheng, Chaoyue Li, Linbo Wang, Xiang Li, Yuhang Zheng, Xiaotong Su, Songen Gu, Yichen Zhang, Zebin Xing, Shuai Tian, Jingxiang Guo, Jing Li, Zhiyong Zhao, Zhongpu Xia, Qichao Zhang, Haoran Li, Shuicheng Yan, Dongbin Zhao·· 14 小时前精选AI 评分78
Phoenix:面向可泛化世界 - 动作模型的场景结构表征学习
Phoenix: Learning Scene Structure Representations for Generalizable World-Action Models
AI 导读
Phoenix 是一种用于世界 - 动作建模的场景结构表征学习方法。其编码器通过双教师蒸馏增强 DINOv3 的几何与时空语义,CS-VAE 将特征压缩为生成潜变量并保留空间布局,最终联合预测潜变量、外观潜变量与机器人动作。
推荐理由
该工作提出 Phoenix 架构,通过几何与时空语义蒸馏提升场景结构表征,在仿真与真实机器人基准上实现 SOTA 性能并支持少样本适应。
来源:arXiv · 机器人与计算机视觉 · arxiv.org