Grasping the Future:从网络视频联合预测手物 3D 运动

华盛顿大学、UNC 与约翰霍普金斯团队发布并开源「Grasping the Future」项目:一个从互联网视频学习的 3D 物体中心世界模型,可联合预测人手与物体的 3D 运动。只需约半秒的人手操作视频,模型即可预测未来约 4.5 秒的手腕轨迹、手指弯曲与物体运动,有望服务于机器人操作学习。论文、代码、模型与数据均已放出。

2026-11-17 ~ 2026-11-17 · 3 条相关