跳到正文
arXiv · 机器人与计算机视觉· Jiachun Jin, Zetong Zhou, Haonan Wang, Zhijie Deng·· 6 天前精选AI 评分83

SALA:语义对齐的潜在动作实现具身基础模型的双轴扩展

SALA: Semantically Aligned Latent Actions Enable Dual-Axis Scaling of Embodied Foundation Models

AI 导读

针对现有潜在动作模型仅通过视频重建导致表征按外观聚类而非动作的问题,该研究引入 SALA 方法,利用人类与机器人视频的语言描述估计语义相似度并建立跨载体对应关系。

推荐理由

提出利用语言描述对齐人类与机器人潜在动作,无需配对数据即可统一监督信号。

来源:arXiv · 机器人与计算机视觉 · arxiv.org