Tag · 1 篇
ORV: 4D Occupancy-centric Robot Video Generation
把4D语义占用的2D渲染作为软引导注入视频扩散生成，并用Action-Expert AdaLN把分块7-DoF动作对齐到视频潜空间，为动作条件视频生成提供了一种「稀疏控制—稠密像素」之间的中间表示桥梁，可直接复用到机器人数据引擎与策略学习的合成数据生成。