Z-sight 让宇树 G1 先预判未来再动手

4次阅读
没有评论

Z-sight 把视觉语言动作模型与潜在世界模型合二为一,在视觉 token 空间里直接预测未来再出动作,无需生成像素。论文 11 月 18 日提交,宇树 G1 六项真机任务平均成功率 73.3%,较最强基线高 20 个百分点,单步推理约 110 毫秒。

正文完
 0
评论(没有评论)

内容合作 · 项目交流

欢迎开发者、团队与我们联系,一起推动 AI 与机器人领域的优质内容创作与交流。