Tag · 2 篇
离散分词器
01 02
用 8 个 token 做规划：面向潜空间世界模型的紧凑离散分词器
Planning in 8 Tokens: A Compact Discrete Tokenizer for Latent World Model
把观测压缩到 8 个离散 token 的潜空间表示，可直接替换视觉世界模型中的重型分词器，使基于模型的规划在实时控制下变得可行；做视觉世界模型或 VLA 的读者可以借鉴其压缩比与规划保真度之间的权衡设计。
MaskDexGrasp：面向部件感知灵巧抓取合成的生成式掩码建模
MaskDexGrasp: Generative Masked Modeling for Part-Aware Dexterous Grasp Synthesis
把高维灵巧手抓取姿态离散化为部件级 token 并用双向掩码 Transformer 生成，这种「分词器 + 掩码建模」的范式可直接迁移到人手/手物交互姿态合成与部件级可控编辑任务。