AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:视觉表征×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
5月29日
12:12
12:12arXiv cs.LG@Jusuk Lee, Seungjae Lee, Jonghun Shin, Hoseong Jung, Sungha Kim, Daesol Cho, H. Jin Kim, Jia-Bin Huang, Furong Huang
DynaFLIP 提出一种动力学感知的多模态预训练框架,通过构建图像-语言-3D 流三元组,将运动理解从下游策略上提到感知层。其核心创新是让三种模态在共享超球面空间中形成小单纯形体积,结合体积最小化、余弦正则化和对比学习目标,避免几何歧义和塌缩。实验表明,DynaFLIP 能聚焦于操作相关的控制区域,作为可复用的视觉骨干,在多种下游策略(包括 VLA)上持续超越基线,在分布外场景下性能提升达 22.5%。这项工作表明,训练视觉表征不仅编码静态内容,还编码动作下的世界变化,能显著提升机器人泛化能力。
论文机器人感知多模态预训练动力学感知视觉表征操作泛化

推荐理由:做机器人操作和感知的团队,DynaFLIP 把运动理解前移到预训练阶段,直接提升下游策略泛化性,分布外场景提升 22.5% 值得关注。
原文
精选全部日报登录