Buchumschlag

FMimic: Foundation Models are Fine-grained Action Learners from Human Videos

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Guangyan, Wang, Meiling, Cui, Te, Mu, Yao, Lu, Haoyang, Peng, Zicai, Hu, Mengxiao, Zhou, Tianxing, Fu, Mengyin, Yang, Yi, Yue, Yufeng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VLMimic: Vision Language Models are Visual Imitation Learner for Fine-grained Actions
von: Chen, Guanyan, et al.
Veröffentlicht: (2024)

Human Demonstrations are Generalizable Knowledge for Robots
von: Cui, Te, et al.
Veröffentlicht: (2023)

See Once, Then Act: Vision-Language-Action Model with Task Learning from One-Shot Video Demonstrations
von: Chen, Guangyan, et al.
Veröffentlicht: (2025)

Unified Vertex Motion Estimation for Integrated Video Stabilization and Stitching in Tractor-Trailer Wheeled Robots
von: Liang, Hao, et al.
Veröffentlicht: (2024)

Point Tree Transformer for Point Cloud Registration
von: Wang, Meiling, et al.
Veröffentlicht: (2024)

STEP Planner: Constructing cross-hierarchical subgoal tree as an embodied long-horizon task planner
von: Zhou, Tianxing, et al.
Veröffentlicht: (2025)

OmniMap: A General Mapping Framework Integrating Optics, Geometry, and Semantics
von: Deng, Yinan, et al.
Veröffentlicht: (2025)

GLUE: Global-Local Unified Encoding for Imitation Learning via Key-Patch Tracking
von: Chen, Ye, et al.
Veröffentlicht: (2025)

Identifying Influential Actions in Human-Robot Interactions
von: Jiang, Haoyang, et al.
Veröffentlicht: (2026)

OpenIN: Open-Vocabulary Instance-Oriented Navigation in Dynamic Domestic Environments
von: Tang, Yujie, et al.
Veröffentlicht: (2025)

OpenGraph: Open-Vocabulary Hierarchical 3D Graph Representation in Large-Scale Outdoor Environments
von: Deng, Yinan, et al.
Veröffentlicht: (2024)

OpenVox: Real-time Instance-level Open-vocabulary Probabilistic Voxel Representation
von: Deng, Yinan, et al.
Veröffentlicht: (2025)

OpenObject-NAV: Open-Vocabulary Object-Oriented Navigation Based on Dynamic Carrier-Relationship Scene Graph
von: Tang, Yujie, et al.
Veröffentlicht: (2024)

DexHiL: A Human-in-the-Loop Framework for Vision-Language-Action Model Post-Training in Dexterous Manipulation
von: Han, Yifan, et al.
Veröffentlicht: (2026)

Human2Robot: Learning Robot Actions from Paired Human-Robot Videos
von: Xie, Sicheng, et al.
Veröffentlicht: (2025)

$π_0$-EqM: Equilibrium Matching for Closed-Loop Vision-Language-Action Control
von: Liu, Huanming, et al.
Veröffentlicht: (2026)

CLAP: Contrastive Latent Action Pretraining for Learning Vision-Language-Action Models from Human Videos
von: Zhang, Chubin, et al.
Veröffentlicht: (2026)

JailWAM: Jailbreaking World Action Models in Robot Control
von: Liu, Hanqing, et al.
Veröffentlicht: (2026)

AVR: Active Vision-Driven Precise Robot Manipulation with Viewpoint and Focal Length Optimization
von: Liu, Yushan, et al.
Veröffentlicht: (2025)

AINav: Large Language Model-Based Adaptive Interactive Navigation
von: Zhou, Kangjie, et al.
Veröffentlicht: (2025)

HDMI: Learning Interactive Humanoid Whole-Body Control from Human Videos
von: Weng, Haoyang, et al.
Veröffentlicht: (2025)

HiAgent: Hierarchical Working Memory Management for Solving Long-Horizon Agent Tasks with Large Language Model
von: Hu, Mengkang, et al.
Veröffentlicht: (2024)

Temporal Action Selection for Action Chunking
von: Weng, Yueyang, et al.
Veröffentlicht: (2025)

ConLA: Contrastive Latent Action Learning from Human Videos for Robotic Manipulation
von: Dai, Weisheng, et al.
Veröffentlicht: (2026)

CyboRacket: A Perception-to-Action Framework for Humanoid Racket Sports
von: Ren, Peng, et al.
Veröffentlicht: (2026)

A Vision-Language-Action Model with Visual Prompt for OFF-Road Autonomous Driving
von: Zhang, Liangdong, et al.
Veröffentlicht: (2026)

DreamPlan: Efficient Reinforcement Fine-Tuning of Vision-Language Planners via Video World Models
von: Jia, Emily Yue-Ting, et al.
Veröffentlicht: (2026)

OpenObj: Open-Vocabulary Object-Level Neural Radiance Fields with Fine-Grained Understanding
von: Deng, Yinan, et al.
Veröffentlicht: (2024)

STARE-VLA: Progressive Stage-Aware Reinforcement for Fine-Tuning Vision-Language-Action Models
von: Xu, Feng, et al.
Veröffentlicht: (2025)

ACoT-VLA: Action Chain-of-Thought for Vision-Language-Action Models
von: Zhong, Linqing, et al.
Veröffentlicht: (2026)

DiT4DiT: Jointly Modeling Video Dynamics and Actions for Generalizable Robot Control
von: Ma, Teli, et al.
Veröffentlicht: (2026)

FineVLA: Fine-Grained Instruction Alignment for Steerable Vision-Language-Action Policies
von: Hu, Xintong, et al.
Veröffentlicht: (2026)

TASeg: Text-aware RGB-T Semantic Segmentation based on Fine-tuning Vision Foundation Models
von: Yu, Meng, et al.
Veröffentlicht: (2025)

RoboTwin: Dual-Arm Robot Benchmark with Generative Digital Twins (early version)
von: Mu, Yao, et al.
Veröffentlicht: (2024)

PartInstruct: Part-level Instruction Following for Fine-grained Robot Manipulation
von: Yin, Yifan, et al.
Veröffentlicht: (2025)

Phoenix: A Motion-based Self-Reflection Framework for Fine-grained Robotic Action Correction
von: Xia, Wenke, et al.
Veröffentlicht: (2025)

AttenA+: Rectifying Action Inequality in Robotic Foundation Models
von: Peng, Daojie, et al.
Veröffentlicht: (2026)

GrainGrasp: Dexterous Grasp Generation with Fine-grained Contact Guidance
von: Zhao, Fuqiang, et al.
Veröffentlicht: (2024)

$τ_0$-WM: A Unified Video-Action World Model for Robotic Manipulation
von: Zhou, Pengfei, et al.
Veröffentlicht: (2026)

DexImit: Learning Bimanual Dexterous Manipulation from Monocular Human Videos
von: Mu, Juncheng, et al.
Veröffentlicht: (2026)