Copertina

Unified Multimodal Discrete Diffusion

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Swerdlow, Alexander, Prabhudesai, Mihir, Gandhi, Siddharth, Pathak, Deepak, Fragkiadaki, Katerina
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning Robotics
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Aligning Text-to-Image Diffusion Models with Reward Backpropagation
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2023)

Diffusion Beats Autoregressive in Data-Constrained Settings
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2025)

Video Diffusion Alignment via Reward Gradients
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2024)

Iterative Refinement Improves Compositional Image Generation
di: Jaiswal, Shantanu, et al.
Pubblicazione: (2026)

Solving Physics Olympiad via Reinforcement Learning on Physics Simulators
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2026)

3D Diffuser Actor: Policy Diffusion with 3D Scene Representations
di: Ke, Tsung-Wei, et al.
Pubblicazione: (2024)

Unifying 2D and 3D Vision-Language Understanding
di: Jain, Ayush, et al.
Pubblicazione: (2025)

Self-Questioning Language Models
di: Chen, Lili, et al.
Pubblicazione: (2025)

Energy-based Models are Zero-Shot Planners for Compositional Scene Rearrangement
di: Gkanatsios, Nikolaos, et al.
Pubblicazione: (2023)

ODIN: A Single Model for 2D and 3D Segmentation
di: Jain, Ayush, et al.
Pubblicazione: (2024)

RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation
di: Wang, Yufei, et al.
Pubblicazione: (2023)

RobotArena $\infty$: Scalable Robot Benchmarking via Real-to-Sim Translation
di: Jangir, Yash, et al.
Pubblicazione: (2025)

Neural MP: A Generalist Neural Motion Planner
di: Dalal, Murtaza, et al.
Pubblicazione: (2024)

SAPG: Split and Aggregate Policy Gradients
di: Singla, Jayesh, et al.
Pubblicazione: (2024)

IFG: Internet-Scale Guidance for Functional Grasping Generation
di: Liu, Ray Muxin, et al.
Pubblicazione: (2025)

FACTR: Force-Attending Curriculum Training for Contact-Rich Policy Learning
di: Liu, Jason Jingzhou, et al.
Pubblicazione: (2025)

Maximizing Confidence Alone Improves Reasoning
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2025)

Dex4D: Task-Agnostic Point Track Policy for Sim-to-Real Dexterous Manipulation
di: Kuang, Yuxuan, et al.
Pubblicazione: (2026)

ViPRA: Video Prediction for Robot Actions
di: Routray, Sandeep, et al.
Pubblicazione: (2025)

Adaptive Mobile Manipulation for Articulated Objects In the Open World
di: Xiong, Haoyu, et al.
Pubblicazione: (2024)

Bimanual Dexterity for Complex Tasks
di: Shaw, Kenneth, et al.
Pubblicazione: (2024)

Copilot4D: Learning Unsupervised World Models for Autonomous Driving via Discrete Diffusion
di: Zhang, Lunjun, et al.
Pubblicazione: (2023)

E0: Enhancing Generalization and Fine-Grained Control in VLA Models via Tweedie Discrete Diffusion
di: Zhan, Zhihao, et al.
Pubblicazione: (2025)

Continuously Improving Mobile Manipulation with Autonomous Real-World RL
di: Mendonca, Russell, et al.
Pubblicazione: (2024)

SPIN: Simultaneous Perception, Interaction and Navigation
di: Uppal, Shagun, et al.
Pubblicazione: (2024)

HELPER-X: A Unified Instructable Embodied Agent to Tackle Four Interactive Vision-Language Domains with Memory-Augmented Language Models
di: Sarch, Gabriel, et al.
Pubblicazione: (2024)

DeTra: A Unified Model for Object Detection and Trajectory Forecasting
di: Casas, Sergio, et al.
Pubblicazione: (2024)

DexWild: Dexterous Human Interactions for In-the-Wild Robot Policies
di: Tao, Tony, et al.
Pubblicazione: (2025)

Deep Reactive Policy: Learning Reactive Manipulator Motion Planning for Dynamic Environments
di: Yang, Jiahui, et al.
Pubblicazione: (2025)

Trajectory Forecasting through Low-Rank Adaptation of Discrete Latent Codes
di: Benaglia, Riccardo, et al.
Pubblicazione: (2024)

Aether: Geometric-Aware Unified World Modeling
di: Aether Team, et al.
Pubblicazione: (2025)

Render and Diffuse: Aligning Image and Action Spaces for Diffusion-based Behaviour Cloning
di: Vosylius, Vitalis, et al.
Pubblicazione: (2024)

Fractional Diffusion Bridge Models
di: Nobis, Gabriel, et al.
Pubblicazione: (2025)

The Ingredients for Robotic Diffusion Transformers
di: Dasari, Sudeep, et al.
Pubblicazione: (2024)

Seeking Physics in Diffusion Noise
di: Tang, Chujun, et al.
Pubblicazione: (2026)

Any4D: Unified Feed-Forward Metric 4D Reconstruction
di: Karhade, Jay, et al.
Pubblicazione: (2025)

MapDiffusion: Generative Diffusion for Vectorized Online HD Map Construction and Uncertainty Estimation in Autonomous Driving
di: Monninger, Thomas, et al.
Pubblicazione: (2025)

Eagle: Exploring The Design Space for Multimodal LLMs with Mixture of Encoders
di: Shi, Min, et al.
Pubblicazione: (2024)

Audio-3DVG: Unified Audio -- Point Cloud Fusion for 3D Visual Grounding
di: Cao-Dinh, Duc, et al.
Pubblicazione: (2025)

Cosmos-Transfer1: Conditional World Generation with Adaptive Multimodal Control
di: NVIDIA, et al.
Pubblicazione: (2025)