Verne V0.5采用世界—动作模型

Verne V0.5将机器人策略设计为“世界—动作模型”：训练时同时优化预测机器人下一步动作和摄像头下一帧画面，并通过视频 Transformer 与动作 Transformer 的 masked attention 交换信息。运行时模型只输出动作，不逐帧生成视频，以减少每一步的推理开销。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。