SALA:语义对齐潜在动作实现具身基础模型双轴扩展
SALA: Semantically Aligned Latent Actions Enable Dual-Axis Scaling of Embodied Foundation Models
AI 摘要
清华大学朱军、上海交大邓志杰等提出潜在动作模型SALA,无需配对数据,通过建立人类自我中心视频与机器人动作间的语义对应,解决现有方法仅靠视频重建、表征按视觉外观聚类而难以跨本体对齐的问题。该工作从数据规模与模型规模两个维度扩展具身基础模型,训练与推理开销低于需显式预测像素的世界动作模型。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。