MVG-WAM: Multiple View Geometry-Aware World-Action Modeling for Robotic Manipulation
Noch nicht auf Deutsch verfügbar: Anzeige im englischen Original.
Aus dem Abstract
World-Action Models (WAMs) couple visual dynamics with action prediction, bringing the rich priors of pretrained video models to robotic manipulation. However, their multi-view interfaces typically tile images or concatenate tokens, leaving the geometric relationships among synchronized cameras implicit.
Aus dem Abstract. Unsere Zusammenfassung folgt.
Der Volltext wird hier nicht wiedergegeben, weil die Lizenz der Studie das nicht erlaubt. Das Original steht auf arXiv.