
关键变量 Go To WALL-E
预测每一帧,不如抓住关键事件:自变量世界模型 WALL-WM 的底层逻辑
欢迎收听自变量机器人的播客「关键变量」!让我们一起捕捉具身智能的关键变量。 大规模多模态模型和视频基础模型,正在成为具身智能的重要底座。但这些强大的视觉和语言先验,要怎么转化为机器人真正可执行的动作? WAIC 期间,我们举办的「干杯吧,具身!」线下聚会上,自变量机器人世界模型负责人 Shalfun Li 给出了他的答案:与其让模型按固定频率预测每一帧,不如让它学会"抓重点"——按事件来理解和预演世界。...










