跳到正文
arXiv · 机器人与计算机视觉· Rhythm Syed, Jean Mercat, Sedrick Keh, Kushal Arora, Paarth Shah, Aykut Onol, Mengchao Zhang, Tony Dear·· 2026-10-06精选AI 评分85

SUAVE:一种基于掩码扩散的统一视频动作模型

SUAVE: Unified Video-Action Models via Masked Diffusion

AI 导读

论文 SUAVE 提出了一种名为 SUAVE 的单词汇统一动作 - 视频模型,利用掩码扩散 Transformer 同时处理语言、视频和动作模态,并将三者表示为共享序列中的离散 token。

推荐理由

SUAVE 提出基于掩码扩散的统一架构,在单一网络中通过推理时的掩码选择实现世界建模、策略生成与视频预测的切换。

来源:arXiv · 机器人与计算机视觉 · arxiv.org