本文へスキップ

Video Prediction Policy

未来の動画フレームを予測するロボット方策

公式サイトを見る

Video Prediction Policy とは

本モデルは動画拡散モデルに基づき未来の画像列を予測するロボット方策と紹介されている。

できること

  • 操作課題の未来の画像を予測する
  • 人間とロボットの多様なデータ群を組み合わせる
  • 統一された動画の学習目標で課題を探る

活用場面

  • CALVIN と MetaWorld の基準で試す
  • Panda 腕と XHand の操作を動かす
  • 物体を置き積み押し渡す

長所と短所

✓ 良い点

  • 資料は CALVIN、MetaWorld、Panda 腕、XHand の試験を挙げる
  • 資料は置く・積む・押す・渡すなどの課題を挙げる

! 注意したい点

  • 手法は動画拡散モデルに依存
  • 学習は人間とロボットのデータ群を組み合わせる

よくある質問

何を予測する?

資料は予測的な視覚表現で未来の画像列を予測すると説明。

どんな結果が挙がる?

資料は Calvin ABC-D の 28.1% の相対的な向上と 28.8% の成功率向上を挙げる。

最終評価日: 2026-11-15

その他 AI動画生成 ツール

すべて見る →

評価方法