TAPESTRY：视频生成与机器人控制共享骨干

Jeremy A. Collins 等作者提出 TAPESTRY 世界动作模型，把机器人动作当作视频模型潜空间中的单个 patch token，将预训练视频扩散 Transformer 改造成机器人策略。作者称，该模型在推理时无需生成视频，而是从纯噪声出发、用单步 DDIM 生成紧凑的动作 token 序列。 据作者描述，在消费级硬件上，该模型每生成一个动作块耗时 84 毫秒，可输出平滑的动作块，从而避开完整视频生成的开销。

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。