Навчання роботизованої маніпуляції за допомогою аудіомоделей світу
arXiv:2512.08405v1 Тип оголошення: новий Анотація: Моделі світу продемонстрували вражаючу ефективність у навчальних завданнях для роботів. Багато таких завдань вимагають мультимодального мислення; наприклад, заповнення пляшки водою призводить до того, що візуальна інформація сама по собі є двозначною або неповною, внаслідок чого потрібно розглядати тимчасову еволюцію звукових сигналів, враховуючи їх фізичні властивості та ритмічні візерунки. У цій статті ми пропонуємо генеративну модель відповідності латентного потоку для передбачення майбутніх аудіоспостережень, що дозволяє системі міркувати про довгострокові наслідки при інтеграції в роботизовану політику. Ми демонструємо вищі можливості нашої системи через два завдання маніпуляції, які вимагають сприйняття аудіосигналів або музики в диких умовах, в порівнянні з методами, які не мають можливості передбачення. Ми додатково підкреслюємо, що успішне навчання дій роботів для цих завдань залежить не лише від мультимодального вводу, але й, критично, від точної прогнози майбутніх аудіостанов, які втілюють інтелектуальні ритмічні структури.
December 10, 2025 at 08:51PM
Залишити відповідь
Щоб відправити коментар вам необхідно авторизуватись.