UNITAS：面向机器人操作的 3D 原生世界动作模型
UNITAS 是一种世界动作模型，在每次交互中使用统一的公制 3D 坐标系表示观测、动作和场景变化。它将人手和机器人夹爪的运动编码为 3D 点轨迹，并据此预测场景点的位移。该模型拥有 17 亿参数，在 RoboTwin 的动作条件场景预测任务中优于所比较的方法，位移误差较 PointWorld 最高降低 49%。其操作成功率在 LIBERO 上达到 99.8%，在真实世界任务中的平均成功率为 85%。代码已公开。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。