TAPESTRY 论文发布：视频扩散骨干转机器人策略

Jeremy A. Collins 在 arXiv 发布 TAPESTRY 论文，提出一种世界动作模型，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。据论文所述，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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。