arXiv · 机器人与计算机视觉· Yuxin Jiang, Wenqiang Sun, Jiaqi Li, Yuchao Gu, Lvmin Zhang, Ivor Tsang, Mike Zheng Shou·· 4 小时前AI 评分73
One Prior, Two Dynamics:复用视频扩散 Transformer 进行自监督潜在动作学习
One Prior, Two Dynamics: Repurposing Video Diffusion Transformers for Self-Supervised Latent Action Learning
AI 导读
论文 O$^{2}$LaF 提出利用预训练视频生成器作为先验,通过单一架构同时学习逆动力学与正向动力学,实现无标签视频中的可迁移动作学习与零样本跨域转移。该方法在导航和机器人操作任务上设定了少样本动作探测的新基准,并扩展至预测性表示先验如 V-JEPA2 框架。
来源:arXiv · 机器人与计算机视觉 · arxiv.org