InternW0：面向高效现实交互的基础物理世界模型
上海人工智能实验室推出 InternW0，这是一种将未来视觉动态预测与连续机器人控制相结合的物理世界模型。视频组件提供较长时间跨度的预测上下文，轻量级动作组件则能更频繁地响应新观测。模型使用约 7,200 小时的异构机器人和第一人称视角数据训练，其中包括 275 小时的 EgoLab 数据集。评估涵盖仿真和真实任务，包括 15 阶段的金属有机框架合成流程，以及考虑接触与受力的五阶段移液任务。介绍内容展示了该研究系统及其任务演示，但未提供可比较的性能数据。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。