跳到正文
热点事件持续更新

JointGV 提出图动力学校正视觉世界模型

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Tian Lyu 等作者在 arXiv 发布 JointGV 论文(arXiv:2611.22543),提出一种即插即用的结构感知校正方法:并行展开任务条件化场景图并与视觉世界模型耦合预测变化,用有界残差修正长时程视觉预测漂移。 该方法接入 DINO-WM 和 DreamerV3,在 DMC Cheetah Run、Walker Walk 等任务上评估,称在 32-step rollout 中将关节位置误差降低 11–28%。其设计前提是图学习与校正的梯度不会回传到原始视觉动力学中。

AI 根据报道生成 · 53 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    JointGV:基于并行图动力学的结构感知校正方法,提升视觉世界模型长时程预测

    论文提出 JointGV,一种即插即用的结构感知校正方法,通过并行展开任务条件化场景图并与视觉世界模型耦合预测变化,计算有界残差来修正长时程视觉预测漂移。该方法接入 DINO-WM 和 DreamerV3,在 DMC Cheetah Run、Walker Walk 等任务上评估,32-step rollout 中将关节位置误差降低 11–28%。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。