arXiv · 机器人与计算机视觉· Junha Song, Geonmo Gu, Jeongeun Park, Heejeong Nam, Lucas Maes, Byeongho Heo, Dongyoon Han, Sangdoo Yun·· 29 天前AI 评分75
LaLa-World:通过自然语言动作扩展潜在世界模型的规模
LaLa-World: Scaling Latent World Models with Natural Language Actions
AI 导读
arXiv 论文 LaLa-World 展示了一种 JEPA 风格的潜在世界模型方法,该模型采用视频生成模型的语言条件接口,从仿真环境和机器人轨迹中联合学习。其设计包含将数值动作与视觉变化统一描述为语言,并基于大语言模型构建预测器以解释语言条件。
来源:arXiv · 机器人与计算机视觉 · arxiv.org