arXiv · 机器人与计算机视觉· Jiahua Dong, Anurag Bagchi, Yash Jangir, Muhammad Zubair Irshad, Sergey Zakharov, Martial Hebert, Homanga Bharadhwaj, Yu-Xiong Wang, Vitor Campagnolo Guizilini, Pavel Tokmakov·· 2026-10-09AI 评分72
3 万小时以自我为中心的视频未能教会世界模型的什么
What 30,000 Hours of Ego-centric Video Does Not Teach
AI 导读
该论文评估了以自我为中心的 3 万小时视频数据对世界模型的作用,发现在分布外基准测试中,虽然智能体建模随数据量增加而提升,但物体交互保真度改善缓慢且差距巨大。研究指出单纯依靠数据扩展存在上限,需通过视觉条件设计将容量转向物体动态才能有效缩小差距,相关结论可迁移至人形机器人建模。
来源:arXiv · 机器人与计算机视觉 · arxiv.org