arXiv Robotics· Haoran Yuan, Weigang Yi, Zhenyu Zhang, Wendi Chen, Yuchen Mo, Jiashi Yin, Xinzhuo Li, Yue Luo, Jialin Li, Xiangyu Zeng, Chuan Wen, Cewu Lu, Katherine Driggs-Campbell, Ismini Lourentzou·· 2 天前AI 评分48
VTAM：无需触觉预训练的高效视触觉世界-动作模型，面向接触密集操作
VTAM: Efficient Visuo-Tactile World-Action Models for Contact-Rich Manipulation without Tactile Pretraining
AI 导读
VTAM 是一种无需触觉或动作预训练的高效视触觉世界-动作模型，RGB 与触觉观测共享冻结的视频 VAE 和预训练视频 Transformer 权重，先联合预测未来视觉与触觉潜变量，再用随机初始化的动作专家端到端微调。
来源：arXiv Robotics · arxiv.org