FEC：用未来视频隐表示条件化机器人策略

Mohammad Khoshnazar 等作者提出未来经验条件化（FEC）方法：把一段短时未来视频的隐表示作为闭环策略的条件，用于多步机器人操作中的探索与策略适应。作者称，在仿真设置中，未来片段分三步生成：LLM 推理器根据当前场景状态初始化任务本体推理，无机器人数字孪生推演目标物体运动，无掩码视频扩散模型合成与机器人一致的未来片段，推理时无需分割。 作者在 RoboCasa 和 CALVIN 上，将 FEC 与未来条件化的 Streaming Flow Policy（SFP）基线对比，测试条件包括 NoFuture、GTFuture、GenFuture 和 WrongFuture。这些结果来自仿真实验，尚未说明真实机器人上的效果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。