ALPS视觉状态编码器论文发布

Yanqing Liu 等研究者发布并开源了 ALPS 视觉状态编码器。该编码器用纯图像和文本从头训练 ViT-B/16，把物理状态信息、语言对齐与像素重建统一在同一组 patch token 中，并通过跨视角自蒸馏进行精修。这项工作是面向世界模型的预训练视觉状态编码器。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。