

Video Language Planning
簡介 :
Video Language Planning(VLP)是一種算法,通過訓練視覺語言模型和文本到視頻模型,實現了對複雜長期任務的視覺規劃。VLP接受長期任務指令和當前圖像觀察作為輸入,並輸出一個詳細的多模態(視頻和語言)規劃,描述如何完成最終任務。VLP能夠在不同的機器人領域中合成長期視頻規劃,從多物體重新排列到多攝像頭雙臂靈巧操作。生成的視頻規劃可以通過目標條件策略轉化為真實機器人動作。實驗證明,與之前的方法相比,VLP顯著提高了長期任務的成功率。
需求人群 :
適用於複雜長期任務的視覺規劃
使用場景
將物體堆疊在桌子中央
將水果放入頂層抽屜
將積木按顏色分組
產品特色
訓練視覺語言模型和文本到視頻模型
生成詳細的多模態規劃
合成長期視頻規劃
轉化為真實機器人動作
精選AI產品推薦

Deepmind Gemini
Gemini是谷歌DeepMind推出的新一代人工智能系統。它能夠進行多模態推理,支持文本、圖像、視頻、音頻和代碼之間的無縫交互。Gemini在語言理解、推理、數學、編程等多個領域都超越了之前的狀態,成為迄今為止最強大的AI系統之一。它有三個不同規模的版本,可滿足從邊緣計算到雲計算的各種需求。Gemini可以廣泛應用於創意設計、寫作輔助、問題解答、代碼生成等領域。
AI模型
11.4M
中文精選

Liblibai
LiblibAI是一箇中國領先的AI創作平臺,提供強大的AI創作能力,幫助創作者實現創意。平臺提供海量免費AI創作模型,用戶可以搜索使用模型進行圖像、文字、音頻等創作。平臺還支持用戶訓練自己的AI模型。平臺定位於廣大創作者用戶,致力於創造條件普惠,服務創意產業,讓每個人都享有創作的樂趣。
AI模型
8.0M