arXiv cs.RO· Oliver Hausd\"orfer, Felix Minzenmay, Mani Majd, Maximilian P. Christof, Shiyuan Zhang, Angela P. Schoellig·· 3 小时前AI 评分67
多视角隐动作预训练用于跨本体机器人视频学习
Multi-View Latent Action Pretraining for Cross-Embodiment Robot Learning from Videos
AI 导读
该论文提出一种可摄取同步多相机视角的隐动作模型（LAM），通过交叉注意力解决深度与遮挡问题，再压缩为隐动作并输入由潜在专家与动作专家在冻结VLM骨干上通过序列流匹配耦合的策略。
来源：arXiv cs.RO · arxiv.org