表征学习
共 4 篇相关内容
杨立昆 JEPA 最新论文，端到端规划的下一程在哪？
有关具身智能，JEPA 是世界模型内一个无法回避且值得反复讨论的技术路线。它拥有很多颇具希望的特质：更好的抗干扰能力、更高效的计算与训练效率、极低的数据标注依赖......更重要的是，JEPA 基于表征学习来捕捉物理世界的规律，从而进行实 …
杨立昆点赞，浙大孙俊涵、清华赵昊等提出 INTACT：免去 JEPA 世界模型的「搜索税」
世界动作模型的核心在于，先预测「下一步发生什么」，并为其设立目标，再让机器人看一眼目标，自己决定执行的每一步该做什么。 然而当前的主流方案有一个别扭的设计：训练时，模型学会「给定当前画面和动作，预测接下来发生什么」；部署时，控制器却从随机噪…
SharpaDex v1.0 正式开源：发布约 300 小时真实触觉操作数据，覆盖 59 种任务
10 月 22 日，Sharpa 正式开源灵巧操作数据集 SharpaDex v1.0。该数据集包含约 300 小时真实机器人操作数据、28,993 条示教和 32,396,172 帧数据 ，覆盖 59 种操作任务。根据 Sharpa 官方…
贾奎团队新作：让世界动作模型真正理解三维空间
UNITAS 将观测、动作与场景变化统一至同一个米制三维坐标系：以点轨迹表征人手与夹爪的运动，用场景流描述场景点的位移，让世界动作模型不再单纯依靠图像推测环境演化。模型参数量仅 1.7 B，在 LIBERO 基准测试上取得 99.8 % 任…