用视频模型做机器人控制
oier_mees · x · 2026-07-13
作者在 RSS 2026 上介绍了最新工作 Mimic-Video: Video-Action Models for Generalizable Robot Control Beyond VLAs。
核心问题是：如果机器人的策略不再建立在静态的视觉-语言骨干上，而是建立在预训练视频模型之上，会发生什么？
他们提出 Video-Action Models（VAMs），利用大规模视频中学到的丰富时序表征来提升机器人学习。论文声称，这样相比传统 Vision-Language-Action（VLA） 模型，能带来更好的样本效率和训练速度，同时还能随着基础视频模型继续进步而受益。
作者也提到他正在悉尼参加 RSS，先是 Pioneers Workshop，再在主会报告这项工作，并欢迎现场交流机器人学习、机器人基础模型等话题。
所属事件:RSS 2026展示视频-动作模型机器人控制新研究(2 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
- 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
- Swaayatt 演示山区高速自动驾驶：52km/h 过盲弯失控后自稳 — sanjeevs_iitr · 2026-09-11