Zero-WAM：从人类视频进行上下文世界动作建模，实现开放式任务泛化
Zero-WAM是一种因果视频—动作模型，使机器人能够依据人类视频示范执行训练中未见过的操作任务。研究人员构建了HumanGen数据集，通过自动化流程生成涵盖8600项任务的74200组人类—机器人上下文学习配对。在RoboTwin 2.0模拟环境中，Zero-WAM在7项未见任务上取得47.0%的平均成功率，比最强的视频—动作基线高29.5个百分点。真实世界测试涵盖多物体场景、长时序操作以及精细插入任务。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。