Artykuły z tagiem
multimodal
2 artykuły
Orca: robot, który nauczył się rąk z samego patrzenia
Orca (BAAI) zastępuje next-token, next-frame i next-action prediction jednym celem: Next-State-Prediction. Zamrożony backbone 4B, pre-trenowany na 12.5K godzin wideo bez ani jednej etykiety akcji, karmi trzy lekkie dekodery — a readout akcji, uczony na ledwie 200 trajektoriach na zadanie, wygrywa z π0.5 w manipulacji OOD (32.4 vs 29.4).
world-modelsnext-state-predictionrepresentation-learning
HeLo – Nowa ścieżka rozwoju rozpoznawania emocji z danych multimodalnych
HeLo przewiduje rozkład emocji zamiast jednej etykiety, łącząc mimikę i sygnały fizjologiczne przez cross-attention, transport optymalny i korelacje etykiet.
multimodalemocjemachine learning