← 世界模型 / 未来预测如何用

正式发表 / World Models

VPP

Video Prediction Policy: A Generalist Robot Policy with Predictive Visual Representations

ICML · 2025CCF A

快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗

关键框架 FRAMEWORK
视频预测表征到动作策略ICML 2025 · Fig. 2 · p.4 ↗

先将视频模型适配到操作数据,再提取一次前向计算中的预测表征,由 Video Former 聚合后接动作扩散头。

  1. 01适配视频预测模型
  2. 02聚合未来特征
  3. 03去噪动作序列
VPP视频预测表征到动作策略
视频预测表征到动作策略

先将视频模型适配到操作数据,再提取一次前向计算中的预测表征,由 Video Former 聚合后接动作扩散头。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

先将视频模型适配到操作数据,再提取一次前向计算中的预测表征,由 Video Former 聚合后接动作扩散头。

WHY READ IT

为什么放在这条路线

与 UniPi 先生成完整视频计划不同,VPP 利用内部预测特征指导动作,以避免每次完整视频去噪的开销。

当前阶段未来预测如何用 ↗

预测用于特征、数据生成,还是策略优化?

READ WITH A QUESTION

读的时候,留意什么

预测表征来自特定训练配方;论文控制频率需结合硬件与任务,不应当作任意设备保证。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器