FRED自蒸馏框架提升机器人未来视频表征
热点事件历史事件
FRED自蒸馏框架提升机器人未来视频表征
1 篇报道1 个报道来源19 天前更新
先了解这件事
AI 综述
Huiwon Jang等作者提出FRED框架，训练世界动作模型（WAM）在单步去噪中从噪声预测未来视频表征。其做法是以真实未来观测提取的表征为自蒸馏目标，并用历史观测为视频模型提供时序上下文。 作者称，在多种真实操作场景中，FRED优于对比的WAM，在零样本环境泛化的长时程与域外任务上提升明显；在机器人训练数据中不存在、仅由人类视频演示的任务上，FRED成功率达50.0%，最佳同类模型为19.4%。
AI 根据报道生成 · 2 天前更新
最新进展10月23日 12:00
FRED：用自蒸馏学习未来视频表征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23日
- arXiv cs.ROFRED：用自蒸馏学习未来视频表征的世界动作模型
研究提出 FRED 框架，通过自蒸馏从噪声中单步预测未来视频表征，并以真实未来观测提取的表征作为目标，同时用历史观测为视频模型提供时序上下文。在多种真实操作场景中，FRED 优于对比的世界动作模型，在零样本环境泛化的长时程与域外任务上提升明显；仅用人类视频演示、机器人训练数据中不存在的任务成功率达 50.0%，对比最佳同类模型为 19.4%。