← 世界模型 / 未来预测如何用将状态、动作和价值注入潜帧Cosmos Policy · 原文 Fig. 2 · p.4 ↗
正式发表 / World Models
Cosmos Policy
Cosmos Policy: Fine-Tuning Video Models for Visuomotor Control and Planning
ICLR · 2026CCF A
关键框架 FRAMEWORK
把机器人本体状态、动作块、未来图像与价值编码为潜帧,注入 Cosmos-Predict2 的视频扩散序列,再用机器人数据后训练。
- 01编码多视角图像
- 02注入状态 / 动作 / 价值潜帧
- 03条件去噪与规划
THE IDEA
它在解决什么
将预训练视频模型后训练为兼顾动作生成、未来状态与价值预测的模型。
WHY READ IT
为什么放在这条路线
跨越世界模型与动作策略,适合检查视频生成预训练如何服务控制。
READ WITH A QUESTION
读的时候,留意什么
区分直接策略执行和额外规划带来的收益,同时考虑推理计算量。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器