Hefei Wang

Fat Bird

少于 1 分钟阅读

generalizability data efficiency

World Model

world model 的核心是：基于当前和历史的状态观测，去预测未来的状态。

如何表征状态：

  1. 像素级图像（视频）：VPP
  2. 3D场景：
  3. 隐式表征：JEPA

World Model for video/3D scene generation与 World Model for action policy的

关注的问题 实时性：减少去噪次数，甚至直接在inference阶段抛弃下一帧预测，只用action 闭环：先预测视频再decode action trajectory,可能出现幻觉 语义理解：把VLA和world model结合

更新时间:

猜您还喜欢

少于 1 分钟阅读

最小二乘和岭回归

少于 1 分钟阅读

有一组数据 $(X,Y)$, 我们猜测 $X$ 关于 $Y$ 线性，即，存在一组参数 $\beta$, 使得 $X=Y\beta$. 最小二乘法直接去最小化估计偏差，定义损失函数 $J(\beta) = \Vert{}Y - X\beta\Vert{}2^2$ 从而可以得到 $\beta^*$ 的解析解 $\h...

Hardworking

少于 1 分钟阅读

可以说，直到大三之前，我都自诩为普通人中比较聪明的那一类。我从没有特别努力争取过什么，但也总能稀里糊涂取得还不错的成绩，于是我便欣然接受这种幸运，仗着一点“悟性”偷点懒，反正我自以为胸无大志，不过想要安然做自己喜欢的事。 然后我意识到，命运之神不会永远眷顾我，我的“小小志向”也绝非唾手可得。我承认了我的贪婪。于是...

各种优化器

1 分钟阅读

本文以做motion planner/IK solver的视角写作。