Chain-of-Modality: Learning Manipulation Programs from Multimodal Human Videos with Vision-Language-Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Chen, Xia, Fei, Yu, Wenhao, Zhang, Tingnan, Zhang, Ruohan, Liu, C. Karen, Fei-Fei, Li, Tan, Jie, Liang, Jacky
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Robotics Artificial Intelligence Human-Computer Interaction Machine Learning Multimedia
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2504.13351