AI 产品

潜在动作在机器人领域兴起：无需标注即可学习紧凑表示

近期，潜在动作（latent actions）技术在机器人学等领域受到关注。该技术不再预测机器人的实际关节指令或游戏控制器输入，而是学习一个紧凑的潜在编码，仅用于解释两帧之间发生的变化，训练过程中完全不需要动作标签。DeepMind 2024年的Genie模型是该概念的清晰验证：其逆向模型通过观察连续帧推断出离散的潜在动作来解释过渡，仅凭学习到的动作空间就能实现逐帧可控的视频生成，且模型从未见过真实的动作标签。该潜在空间还具有可迁移性，可用于从未标注特定机器人的视频中训练模仿智能体。此外，相关研究（如Video as the New Language for Real-World Decision Making）进一步探讨了视频作为通用决策表示的可能性。

多来源证据

事件时间线

1. 7月19日 05:24
   Twitter/X AI List
   潜在动作正在兴起，尤其在机器人学中：不再预测机器人的实际关节指令或游戏控制器输入，而是学习一个紧凑的