WATCH跨视频预训练提升世界-动作模型迁移性

Jeongeun Park等人提出跨视频预训练方法WATCH，用跨环境采集的任务配对人类演示作训练数据，条件于一段演示的视频与动作，联合预测另一段演示的动作与未来帧，学习可跨场景、跨本体迁移的任务相关交互，无需配对的人机演示。 论文称，在MimicDroid上经机器人后训练，WATCH使in-context成功率在Cosmos Policy下从40.9%升至68.3%，在Cosmos3下从59.8%升至77.7%，在未见关卡上提升最大。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。