arXiv · cs.AI· Jeremy A. Collins·· 19 小时前AI 评分49
TAPESTRY：单一 Transformer 骨干同时支持视频生成与机器人控制
TAPESTRY: A Single Backbone for Video Generation and Robot Control
来源与原文
arXiv · cs.AI
作者：Jeremy A. Collins
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.36823v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
TAPESTRY 是一种世界动作模型，将预训练视频扩散 Transformer 复用为机器人策略，把机器人动作视为视频模型潜空间中的单 patch token，推理时无需生成视频。模型通过视频扩散、视频+动作联合扩散、动作-only 扩散三个目标共享骨干训练，测试时单步 DDIM 即可生成动作，在消费级硬件上每个 action chunk 仅需 84 ms，推理成本显著低于同类联合视频-动作策略。
来源：arXiv · cs.AI · arxiv.org