arXiv · cs.LG· Haoran Yuan, Weigang Yi, Zhenyu Zhang, Wendi Chen, Yuchen Mo, Jiashi Yin, Xinzhuo Li, Yue Luo, Jialin Li, Xiangyu Zeng, Chuan Wen, Cewu Lu, Katherine Driggs-Campbell, Ismini Lourentzou·· 16 小时前
VTAM：无需触觉预训练的高效视触觉世界-动作模型，面向接触密集型操作
VTAM: Efficient Visuo-Tactile World-Action Models for Contact-Rich Manipulation without Tactile Pretraining
AI 导读
VTAM 是一个无需触觉或动作预训练的高效视触觉世界-动作模型，RGB 与触觉观测共享冻结的视频 VAE 和预训练视频 Transformer 权重。它在四个真实机器人任务和八个 UniVTAC 仿真任务上超越所有基线，平均成功率 83.4%，接近用超 30K 小时数据预训练的 N0-TWAM（84.5%）。
来源：arXiv · cs.LG · arxiv.org