Мультимодальные модели

Указатель

1. 01
   VLA Vision-Language-Action

   Vision-Language-Action-модель получает изображение или видео и текстовую задачу, затем предсказывает действия робота. Вместо жёсткого сценария «увидел метку — выполнил одну команду» она учится связывать предметы, язык…

   Продвинутый
2. 02
   World Models World Model

   Мировая модель хранит внутреннее представление среды и предсказывает её следующее состояние. Она помогает агенту представить последствия действия до того, как оно произойдёт в реальности. Такие модели…

   Продвинутый