Copertina

Video as the New Language for Real-World Decision Making

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Yang, Sherry, Walker, Jacob, Parker-Holder, Jack, Du, Yilun, Bruce, Jake, Barreto, Andre, Abbeel, Pieter, Schuurmans, Dale
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Learning Interactive Real-World Simulators
di: Yang, Sherry, et al.
Pubblicazione: (2023)

Object-centric 3D Motion Field for Robot Learning from Human Videos
di: Yin, Zhao-Heng, et al.
Pubblicazione: (2025)

Improving Dynamic Object Interactions in Text-to-Video Generation with AI Feedback
di: Furuta, Hiroki, et al.
Pubblicazione: (2024)

Scalable Diffusion for Materials Generation
di: Yang, Sherry, et al.
Pubblicazione: (2023)

Closing the Visual Sim-to-Real Gap with Object-Composable NeRFs
di: Mishra, Nikhil, et al.
Pubblicazione: (2024)

Synthetic Data is Sufficient for Zero-Shot Visual Generalization from Offline Data
di: Güzel, Ahmet H., et al.
Pubblicazione: (2025)

Large Video Planner Enables Generalizable Robot Control
di: Chen, Boyuan, et al.
Pubblicazione: (2025)

World Model on Million-Length Video And Language With Blockwise RingAttention
di: Liu, Hao, et al.
Pubblicazione: (2024)

Lightning Grasp: High Performance Procedural Grasp Synthesis with Contact Fields
di: Yin, Zhao-Heng, et al.
Pubblicazione: (2025)

Efficient Long Video Tokenization via Coordinate-based Patch Reconstruction
di: Jang, Huiwon, et al.
Pubblicazione: (2024)

HAZARD Challenge: Embodied Decision Making in Dynamically Changing Environments
di: Zhou, Qinhong, et al.
Pubblicazione: (2024)

Grounding Video Models to Actions through Goal Conditioned Exploration
di: Luo, Yunhao, et al.
Pubblicazione: (2024)

World Model for Robot Learning: A Comprehensive Survey
di: Hou, Bohan, et al.
Pubblicazione: (2026)

One Step Diffusion via Shortcut Models
di: Frans, Kevin, et al.
Pubblicazione: (2024)

Hand-Object Interaction Pretraining from Videos
di: Singh, Himanshu Gaurav, et al.
Pubblicazione: (2024)

On Efficient Real-Time Semantic Segmentation: A Survey
di: Holder, Christopher J., et al.
Pubblicazione: (2022)

World Models as an Intermediary between Agents and the Real World
di: Yang, Sherry
Pubblicazione: (2026)

On the Application of Efficient Neural Mapping to Real-Time Indoor Localisation for Unmanned Ground Vehicles
di: Holder, Christopher J., et al.
Pubblicazione: (2022)

Inference-Time Enhancement of Generative Robot Policies via Predictive World Modeling
di: Qi, Han, et al.
Pubblicazione: (2025)

Learning to Model the World with Language
di: Lin, Jessy, et al.
Pubblicazione: (2023)

Ctrl-VI: Controllable Video Synthesis via Variational Inference
di: Duan, Haoyi, et al.
Pubblicazione: (2025)

AdaWorld: Learning Adaptable World Models with Latent Actions
di: Gao, Shenyuan, et al.
Pubblicazione: (2025)

VEBench:Benchmarking Large Multimodal Models for Real-World Video Editing
di: Deng, Andong, et al.
Pubblicazione: (2026)

OTTER: A Vision-Language-Action Model with Text-Aware Visual Feature Extraction
di: Huang, Huang, et al.
Pubblicazione: (2025)

Autoregressive Large Language Models are Computationally Universal
di: Schuurmans, Dale, et al.
Pubblicazione: (2024)

STAR: Spatial-Temporal Augmentation with Text-to-Video Models for Real-World Video Super-Resolution
di: Xie, Rui, et al.
Pubblicazione: (2025)

SiCo: An Interactive Size-Controllable Virtual Try-On Approach for Informed Decision-Making
di: Chen, Sherry X., et al.
Pubblicazione: (2024)

D-REX: Differentiable Real-to-Sim-to-Real Engine for Learning Dexterous Grasping
di: Lou, Haozhe, et al.
Pubblicazione: (2026)

Fit for Purpose? Deepfake Detection in the Real World
di: Lin, Guangyu, et al.
Pubblicazione: (2025)

Rodrigues Network for Learning Robot Actions
di: Zhang, Jialiang, et al.
Pubblicazione: (2025)

Any-point Trajectory Modeling for Policy Learning
di: Wen, Chuan, et al.
Pubblicazione: (2023)

RealViformer: Investigating Attention for Real-World Video Super-Resolution
di: Zhang, Yuehan, et al.
Pubblicazione: (2024)

Understanding Real-World Traffic Safety through RoadSafe365 Benchmark
di: Liu, Xinyu, et al.
Pubblicazione: (2026)

GEM-4D: Geometry-Enhanced Video World Models for Robot Manipulation
di: Zhou, Kaichen, et al.
Pubblicazione: (2026)

The Sound of Simulation: Learning Multimodal Sim-to-Real Robot Policies with Generative Audio
di: Wang, Renhao, et al.
Pubblicazione: (2025)

VIP: Video Inpainting Pipeline for Real World Human Removal
di: Sun, Huiming, et al.
Pubblicazione: (2025)

3D-VLA: A 3D Vision-Language-Action Generative World Model
di: Zhen, Haoyu, et al.
Pubblicazione: (2024)

Sparse Video Generation Propels Real-World Beyond-the-View Vision-Language Navigation
di: Zhang, Hai, et al.
Pubblicazione: (2026)

Towards Scalable Video Anomaly Retrieval: A Synthetic Video-Text Benchmark
di: Yang, Shuyu, et al.
Pubblicazione: (2025)

Learning 3D Persistent Embodied World Models
di: Zhou, Siyuan, et al.
Pubblicazione: (2025)