XGenAct：几何增强世界动作模型

Tingting Du 等作者发布论文，提出世界动作模型 XGenAct。该模型通过确定性编解码器，把 RGB 观测、机器人动作、度量深度、表面法线和功能角色分割统一表示为 RGB 视频，再用单个视频扩散 Transformer 和一个目标函数跨这些空间学习时序预测，无需模态专用学习头。 论文将上述统一表示与跨空间时序预测作为核心方法，目前公开信息为 arXiv 上的论文本身。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。