ReLAP 框架通过 JEPA 空间循环预测实现潜在动作预训练
热点事件持续更新
ReLAP 框架通过 JEPA 空间循环预测实现潜在动作预训练
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
R. Gnana Praveen 等人提出 ReLAP 框架,在冻结的 JEPA 表示空间内耦合局部逆动力学学习与循环多步预测。该框架利用共享逆动力学模型从相邻观测推断紧凑连续潜在动作,同时通过潜在世界模型递归预测未来 JEPA 特征以鼓励时间连贯的动态。作者称此方法旨在支持机器人行为学习、潜在动作预训练及 VLM 策略适应。
AI 根据报道生成 · 12 小时前更新
最新进展11月18日 13:00
ReLAP:基于 JEPA 空间的循环视频预测进行潜在动作预训练报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv · 机器人与计算机视觉精选ReLAP:基于 JEPA 空间的循环视频预测进行潜在动作预训练
论文介绍 ReLAP 框架,该框架在冻结的 JEPA 表示空间内耦合局部逆动力学学习与循环多步预测。共享逆动力学模型从相邻观测推断紧凑连续潜在动作,而潜在世界模型递归预测未来 JEPA 特征以鼓励时间连贯的动态。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月18日 14:00
- 近 24 小时变化
- –
02.557.510
14:0016:0018:0020:0022:0011月19日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。