arXiv · 机器人与计算机视觉· Xicheng Gong, Wenxuan Song, Chengze Liu, Qiwei Li, Qize Yu, Jiaolong Yang, Haoang Li, Yadong Mu·· 16 天前AI 评分74
视觉语言模型是机器人动作生成中的联合去噪器
Vision-Language Models Are Joint Denoisers in Robotic Action Generation
AI 导读
该论文介绍 JADE(Joint Action DEnoiser),一种将预训练视觉语言模型(VLM)与扩散动作专家结合的新架构,使两者能联合细化动作而非仅静态条件化。
来源:arXiv · 机器人与计算机视觉 · arxiv.org