EgoWAM：世界动作模型人类到机器人迁移
热点事件持续更新
EgoWAM：世界动作模型人类到机器人迁移
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
一篇 arXiv 论文提出 EgoWAM，一个人类到机器人的协同训练框架：固定策略骨干、动作头和数据混合，只改变世界预测目标，在三个真实双臂任务上比较 Pixel、DINO 和 3D motion flow 三种世界表示，以研究人类第一视角数据如何迁移到机器人。 Baoyu Li 等作者报告，DINO 表示将分布外物体与场景的泛化能力最高提升 4 倍，3D motion flow 将域内性能提升 20% 至 30%，而基于像素的预测迁移效果较弱。这些结论出自该论文的实验对比。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
EgoWAM：用野外第一视角人类数据训练超越像素的世界动作模型报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AIEgoWAM：用野外第一视角人类数据训练超越像素的世界动作模型
EgoWAM 是一个固定策略骨干、动作头与数据混合、仅改变世界预测目标的人类-机器人协同训练框架，在三个真实双臂任务上对比了 Pixel、DINO 和 3D motion flow 三种世界表示。结果显示 DINO 将分布外物体与场景泛化能力提升最高 4 倍，3D flow 将域内性能提升 20-30%，而基于像素的预测迁移效果较弱。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。