自蒸馏提升世界动作模型的未来表征
论文提出 FRED，用于改进世界动作模型预测机器人动作时所依赖的未来视频表征。FRED 通过自蒸馏训练模型从噪声中预测未来表征，并利用历史观测提供时间上下文。在真实环境的操作任务测试中，FRED 超过了其他模型，尤其在长时程任务和向陌生环境泛化方面表现突出。对于机器人训练数据中未包含、仅通过人类视频演示的任务，FRED 的成功率达到 50.0%，而表现最佳的对比模型为 19.4%。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。