文章探讨了机器人学习物理直觉的难题。传统方法依赖静态图文数据，缺乏对物理动态的理解。妙动科技提出DiT4DiT模型，利用视频生成模型作为“物理老师”，通过两个扩散变换器串联，分别负责想象场景和执行动作。该方法在多项基准测试中刷新SOTA，仅需单目相机和消费级显卡即可实现高效实时推理，且零样本泛化能力突出，在未见过的测试场景中仍保持较高成功率。...
特别声明：本页面标签名称与页面内容，系网站系统为资讯内容分类自动生成，仅提供资讯内容索引使用，旨在方便用户索引相关资讯报道。如标签名称涉及商标信息，请访问商标品牌官方了解详情，请勿以本站标签页面内容为参考信息，本站与可能出现的商标名称信息不存在任何关联关系，对本页面内容所引致的错误、不确或遗漏，概不负任何法律责任。（反馈错误)