Forward Dynamics Models
日本語版は未提供のため、英語原文で表示しています。
要旨より
Vision-language-action (VLA) models and world action models (WAMs) have advanced robotic policy learning by building on pretrained vision-language models (VLMs) and video generative models (VGMs), respectively. Yet VLAs learn without explicit supervision from future world states, while WAMs that condition actions on predicted futures incur extra inference cost and let visual prediction errors propagate into actions.
要旨より。当社による要約は作成中です。
この論文はライセンス上、全文を転載できないため、要約と原文へのリンクのみを掲載しています。