双摄像头视频模型提升机器人跨形态学习能力

Oliver Hausdörfer及其团队发布了一种新的潜在动作模型，可利用两台摄像头拍摄的同步画面。该模型能更准确地推断6自由度动作，解码准确率比单视角版本高17%。将其用于机器人策略后，基准任务的成功率提高了13.5%，而单视角基线方案提高了6.2%。在真实场景测试中，机器人模仿人手演示动作；在850次尝试中，双视角模型让成功完成的操作次数增加了20%。