arXiv cs.RO· Zuyao Lin, Jianhui Zhang, Peidong Jia, Xiaoguang Zhao, Shanghang Zhang, Jingdong Wang, Xingyu Chen·· 4 小时前
World-Ego Model（WEM）：解耦世界与自我建模的具身视频生成，面向长时程导航-操作任务
World-Ego Modeling for Embodied Video Generation in Long-Horizon Navigation-Manipulation Tasks
AI 导读
研究者提出 World-Ego Model（WEM），将具身视频拆分为"世界"（背景与未被操作物体）和"自我"（机器人与被操作物体）并解耦生成过程，结合角色条件注意力（RCA）的视觉-语言状态预测器与语义路由混合专家（SR-MoE）扩散生成器。
来源：arXiv cs.RO · arxiv.org