CCTest · Blog
Masked Visual Actions:用“可见轨迹”把视频模型变成机器人世界模型
世界模型
cctest.ai
世界模型

Masked Visual Actions:用“可见轨迹”把视频模型变成机器人世界模型

这篇论文提出 Masked Visual Actions,把动作表达为视频中某个实体被部分揭示的像素轨迹。它让同一个视频模型既能预测机器人动作带来的场景变化,也能从目标物体运动反推机器人应如何行动。

阅读全文
CCTest · Blog
用扩散语言模型做文本世界模型:Agent 强化学习的新模拟器路线
世界模型
cctest.ai
世界模型

用扩散语言模型做文本世界模型:Agent 强化学习的新模拟器路线

这篇论文把文本世界模型重新定义为可控的状态转移问题,并提出用 Masked Diffusion Language Models 缓解自回归模型的左到右偏置。实验显示,MDLM 在一致性、扎根性和 rollout 多样性上优于更大参数量的自回归模型。

阅读全文