RealFeedApp 745,52M дескрипторов латентных действий получено из 30,1K часов видео
Модель RynnVLA-Latent извлекает 745,52 миллиона дескрипторов действий из 30,1 тысячи часов видео людей, роботов и симуляций, используя предсказание будущих признаков и компенсацию движения камеры.
- Область
- робототехника
- Что сделали
- Создали метод для извлечения скрытых 3D-движений из видео людей и роботов, чтобы обучать нейросети управлять манипуляторами без необходимости записывать каждый конкретный жест.
- Зачем это
- Это позволит масштабировать обучение роботов на тысячи часов видео, используя данные из разных источников, вместо того чтобы собирать ограниченные наборы данных для каждого типа робота отдельно.
#rla#robotics#vision-language-action#latent-actions#flow-matching
