标签
WorldToken 提出了一种用于机器人模仿学习的时间优先序列建模方法,使用因果Transformer和扩散动作头融合异构观测,并在RoboCasa和RMBench基准测试上进行了性能评估。
NAPE是一个自监督音频学习框架,使用因果Transformer预测下一频谱图补丁嵌入,在多个音频和语音基准测试中实现最先进的性能,采用极简设计。