清华具身模型登顶全球第一

摘要

具身模型通常把视频预测和动作学习放在一起训练，效果容易互相干扰。星动纪元换了个思路：先让模型学会看视频预测未来，再学怎么动。两阶段解耦训练后，模型在具身评测中超过了GPT-6和英伟达的方案，而且没有用额外数据或外部工具。论文附了开源代码。