跳到正文
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