← 世界模型 / 未来预测如何用视频预测表征到动作策略ICML 2025 · Fig. 2 · p.4 ↗
正式发表 / World Models
VPP
Video Prediction Policy: A Generalist Robot Policy with Predictive Visual Representations
ICML · 2025CCF A
关键框架 FRAMEWORK
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。
- 01适配视频预测模型
- 02聚合未来特征
- 03去噪动作序列
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。
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