arXiv Computer Vision· Jeongeun Park, Taekyung Kim, Dongyoon Han, Sangdoo Yun·· 20 小时前AI 评分39
WATCH：从任务配对的人类视频中学习可迁移的世界-动作模型
Learning Transferable World-Action Models from Task-Paired Human Videos
AI 导读
WATCH 提出一种跨视频预训练方法，从多样环境中采集的任务配对人类演示中学习，以一段演示的视频和动作为条件，联合预测另一段演示的动作与未来帧。预训练分析显示，该方法在跨具身运动对齐、未见机器人上的动作与视频预测上均有提升，且无需配对的人-机器人演示。
来源：arXiv Computer Vision · arxiv.org