VLA / 视觉-语言-动作模型

World Models for Learning Dexterous Hand-Object Interactions from Human Videos

为从人类视频学习灵巧手-物体交互构建世界模型

Raktim Gautam Goswami, Amir Bar, David Fan, Tsung-Yen Yang, Gaoyue Zhou, Prashanth Krishnamurthy, Michael Rabbat, Farshad Khorrami, Yann LeCun

机构 * FAIR at Meta（Meta 的 FAIR 部门） ； New York University（纽约大学） 纠错

专题命中 动作表示与策略 ：action model(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 本文提出DexWM模型，通过手部关键点提取实现对精细手部动作的建模，提升未来状态预测和零样本迁移能力。