Copertina

Learning Real-World Action-Video Dynamics with Heterogeneous Masked Autoregression

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wang, Lirui, Zhao, Kevin, Liu, Chaoqi, Chen, Xinlei
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Robotics Computer Vision and Pattern Recognition Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Scaling Proprioceptive-Visual Learning with Heterogeneous Pre-trained Transformers
di: Wang, Lirui, et al.
Pubblicazione: (2024)

Transferable Tactile Transformers for Representation Learning Across Diverse Sensors and Tasks
di: Zhao, Jialiang, et al.
Pubblicazione: (2024)

Dense Policy: Bidirectional Autoregressive Learning of Actions
di: Su, Yue, et al.
Pubblicazione: (2025)

Chain-of-Action: Trajectory Autoregressive Modeling for Robotic Manipulation
di: Zhang, Wenbo, et al.
Pubblicazione: (2025)

WorldVLN: Autoregressive World Action Model for Aerial Vision-Language Navigation
di: Zhao, Baining, et al.
Pubblicazione: (2026)

Motus: A Unified Latent Action World Model
di: Bi, Hongzhe, et al.
Pubblicazione: (2025)

Being-H0.7: A Latent World-Action Model from Egocentric Videos
di: Luo, Hao, et al.
Pubblicazione: (2026)

World Action Models are Zero-shot Policies
di: Ye, Seonghyeon, et al.
Pubblicazione: (2026)

CorVS: Person Identification via Video Trajectory-Sensor Correspondence in a Real-World Warehouse
di: Kano, Kazuma, et al.
Pubblicazione: (2025)

Learning Action-Conditional and Object-Centric Gaussian Splatting World Models for Rigid Objects
di: Kreber, Jens U., et al.
Pubblicazione: (2026)

WorldEval: World Model as Real-World Robot Policies Evaluator
di: Li, Yaxuan, et al.
Pubblicazione: (2025)

Improving Vision-Language-Action Model with Online Reinforcement Learning
di: Guo, Yanjiang, et al.
Pubblicazione: (2025)

Variational Dynamic for Self-Supervised Exploration in Deep Reinforcement Learning
di: Bai, Chenjia, et al.
Pubblicazione: (2020)

Being-H0: Vision-Language-Action Pretraining from Large-Scale Human Videos
di: Luo, Hao, et al.
Pubblicazione: (2025)

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

iVideoGPT: Interactive VideoGPTs are Scalable World Models
di: Wu, Jialong, et al.
Pubblicazione: (2024)

DyST: Towards Dynamic Neural Scene Representations on Real-World Videos
di: Seitzer, Maximilian, et al.
Pubblicazione: (2023)

GR-2: A Generative Video-Language-Action Model with Web-Scale Knowledge for Robot Manipulation
di: Cheang, Chi-Lam, et al.
Pubblicazione: (2024)

ACT-Bench: Towards Action Controllable World Models for Autonomous Driving
di: Arai, Hidehisa, et al.
Pubblicazione: (2024)

Scalable Vision-Language-Action Model Pretraining for Robotic Manipulation with Real-Life Human Activity Videos
di: Li, Qixiu, et al.
Pubblicazione: (2025)

Evaluating Real-World Robot Manipulation Policies in Simulation
di: Li, Xuanlin, et al.
Pubblicazione: (2024)

PointVLA: Injecting the 3D World into Vision-Language-Action Models
di: Li, Chengmeng, et al.
Pubblicazione: (2025)

EgoVLA: Learning Vision-Language-Action Models from Egocentric Human Videos
di: Yang, Ruihan, et al.
Pubblicazione: (2025)

Vision-Language-Action Models for Robotics: A Review Towards Real-World Applications
di: Kawaharazuka, Kento, et al.
Pubblicazione: (2025)

Scaling Face Interaction Graph Networks to Real World Scenes
di: Lopez-Guevara, Tatiana, et al.
Pubblicazione: (2024)

SlowFast-VGen: Slow-Fast Learning for Action-Driven Long Video Generation
di: Hong, Yining, et al.
Pubblicazione: (2024)

TraceGen: World Modeling in 3D Trace Space Enables Learning from Cross-Embodiment Videos
di: Lee, Seungjae, et al.
Pubblicazione: (2025)

Benchmarking Vision, Language, & Action Models on Robotic Learning Tasks
di: Guruprasad, Pranav, et al.
Pubblicazione: (2024)

Latent Action Pretraining from Videos
di: Ye, Seonghyeon, et al.
Pubblicazione: (2024)

FlowHijack: A Dynamics-Aware Backdoor Attack on Flow-Matching Vision-Language-Action Models
di: An, Xinyuan, et al.
Pubblicazione: (2026)

GRAPE: Generalizing Robot Policy via Preference Alignment
di: Zhang, Zijian, et al.
Pubblicazione: (2024)

Learning Visual Feature-Based World Models via Residual Latent Action
di: Zhang, Xinyu, et al.
Pubblicazione: (2026)

SCENEREPLICA: Benchmarking Real-World Robot Manipulation by Creating Replicable Scenes
di: Khargonkar, Ninad, et al.
Pubblicazione: (2023)

Learning Massively Multitask World Models for Continuous Control
di: Hansen, Nicklas, et al.
Pubblicazione: (2025)

DISK: Dynamic Inference SKipping for World Models
di: Naman, Anugunj, et al.
Pubblicazione: (2026)

Particle-Grid Neural Dynamics for Learning Deformable Object Models from RGB-D Videos
di: Zhang, Kaifeng, et al.
Pubblicazione: (2025)

GenSim: Generating Robotic Simulation Tasks via Large Language Models
di: Wang, Lirui, et al.
Pubblicazione: (2023)

CoIRL-AD: Collaborative-Competitive Imitation-Reinforcement Learning in Latent World Models for Autonomous Driving
di: Zheng, Xiaoji, et al.
Pubblicazione: (2025)

ExoPredicator: Learning Abstract Models of Dynamic Worlds for Robot Planning
di: Liang, Yichao, et al.
Pubblicazione: (2025)

ReGentS: Real-World Safety-Critical Driving Scenario Generation Made Stable
di: Yin, Yuan, et al.
Pubblicazione: (2024)