JEDI 提出演示压缩方法用于上下文模仿学习

论文作者提出 JEDI 演示压缩方法：将演示压缩为潜在槽位，在冻结的视频-JEPA 空间中训练这些槽位预测查询回合的下一阶段关键帧，以缓解长多模态轨迹占用上下文的问题。方法用任务与过程反事实帮助槽位保留执行细节，并通过预测器从演示库中选择示例。 作者称，在 LIBERO 和真实机器人上的实验显示 JEDI 支持多样本上下文；LIBERO 客观对照显示，相比仅动作压缩，其成功率和演示跟随性均有提升。此外，用关键点 token 后训练后，可在机器人上实现人手条件化。上述结果均为论文作者报告，尚未经同行评议或独立验证。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。