RoboCrop: 로봇에게 토마토를 따는 방법을 가르치기

발행: 1주 전 (2025년 12월 11일 오전 12:29 GMT+9)

1 min read

Source: Hacker News

기존 비디오 생성 모델은 비디오 신호의 밀집하고 고차원적인 특성 때문에 장기적인 공간 및 시간 일관성을 유지하는 데 어려움을 겪습니다. To ...

로봇 조작을 위한 기존 Vision-Language-Action Models (VLAs)는 대규모이지만 서로 연결되지 않은 데이터로 사전 학습된 vision-language 백본을 기반으로 구축됩니다.

본 논문은 합성 이미지 데이터를 신경 스타일 전이와 결합한 학습 데이터 증강 파이프라인을 제안하여 취약성을 해결한다.

LLM의 컨텍스트 윈도우를 확장하는 데 따른 계산 및 메모리 오버헤드는 확장성을 크게 제한합니다. 주목할 만한 해결책은 vision-te...

관련 글