共 1 篇相关内容
机器人想要学会操作，首先要预判场景接下来会如何变化。不少世界动作模型会借助预训练视频扩散模型完成这件事：先脑补出未来画面，再依据画面输出动作。但生成想象画面是部署阶段成本最高的环节，生成一组动作序列需要执行数十步去噪。一旦想象的画面出现偏差…
