从头训练的视频动作具身模型
omarsar0 · x · 2026-07-11
帖子指出，纯粹生成“好看视频”的模型主要学到外观，却学不到动作如何改变世界；如果直接把生成模型改造成控制模型，会丢失预训练里积累的先验。为此，@robbyantbrain 采用从头训练的方式，把完整的视频-动作栈原生用于具身控制。回复还提到，世界状态与潜在动作被放进同一个语义潜空间，动作通过自监督从无标注视频中学习，因此网络视频也能提供控制信号。
所属事件:LingBot-VA/VLA 2.0发布:原生具身基础模型与跨机身控制(24 条相关)→
「具身」频道最新
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- 波兰开发者做 iPhone 应用 可探测附近的 Meta 智能眼镜 — Low-Honeydew6483 · 2026-09-11
- 蚂蚁阿福用户达 1.5 亿，外滩大会展示 AI+硬件健康管理联盟 — APPSO · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11
- SyncWorld:少量视觉校准即可零样本模拟机器人跨视角交互 — ChongZzZhang · 2026-09-11
- 狗类 3D 姿态数据集发布，动物动捕研究可用 — ducha_aiki · 2026-09-11