Compositional Manipulation전문가
ViGAR, 시각 하위 목표로 장기 조작을 분해하는 World-Action Model
프리프린트로 공개된 ViGAR는 현재 관찰과 언어 지시에서 다음 시각 하위 목표를 만들고, 이를 조건으로 미래 영상과 행동을 함께 생성하는 계층적 World-Action Model이다. RoboTwin Clean2Random에서 Clean 82.00%, Random 67.02%의 성공률을 기록해 가장 강한 기준 모델 4D-WAM보다 평균 12.86%포인트 높았다. 글로벌 목표 이미지만 바꾸는 인컨텍스트 조작에서도 학습에 없던 과제 구성을 실물 로봇으로 수행해, 파라미터 갱신 없이 과제를 조종할 수 있음을 보였다.