ModAR 挑战 RGB 表征:3000 万参数从零训练,胜过 60 亿参数视频模型微调
CSProfKGD · x · 2026-09-17
Adamjhung 团队提出 ModAR,质疑机器人 world-action models 用 RGB 像素想象未来的做法:RGB 把容量花在对机器人策略无关的细粒度细节上。
- DINO 特征、point tracks 和深度图能捕捉语义、运动、几何等更有用的信息,但单一模态各有局限。
- ModAR 的做法是逐模态依次预测未来,每次预测为下一次提供信息,并从零开始训练。
- 仅 30.1M 参数的从零训练模型,甚至超过了 6B 视频模型初始化后再微调的版本。
所属事件:ModAR 挑战 RGB 表征：3000 万参数胜 60 亿视频模型(3 条相关)→
「具身」频道最新
- Harness Pro 用 ESP32-P4 做出 AI 编码 Agent 桌面监控屏 — dee_hw · 2026-11-02
- KAIST 提出 QCP：机器人策略可实时调控执行质量 — kaist-ai · 2026-11-02
- ANYbotics 防爆四足机器人 ANYmal X 开始向客户交付，全球首个 — lukas_m_ziegler · 2026-11-02
- 内存涨价三倍，特斯拉把 Optimus 大脑内存砍掉三分之一 — aakashgupta · 2026-11-02
- 周末懒得整理桌面？博主让机器人代劳清理全程实拍 — flngr · 2026-11-02
- Whoop 与 Apple Watch 双持同一条表带，健康监测两不误 — tinyfool · 2026-11-02