Envision：目標指向型視覚計画によるエンボディードエージェント

本論文は、エンボディード視覚計画のための新しい拡散ベースのフレームワークであるEnvisionを紹介しています。既存のアプローチの限界に対処するため、目標画像を明示的に組み込み、軌道生成を誘導し、目標の整合性と空間的な一貫性を向上させています。Goal Imagery ModelとEnv-Goal Video Modelを含む2段階のアプローチは、重要な貢献です。この研究の潜在的な影響は、ロボット計画と制御のための信頼性の高い視覚計画を提供する能力にあります。

• •エンボディード視覚計画のための拡散ベースのフレームワーク、Envisionを提案。
• •Goal Imagery ModelとEnv-Goal Video Modelの2段階アプローチを使用。
• •目標画像を明示的に組み込み、目標の整合性と空間的な一貫性を向上。
• •オブジェクト操作と画像編集のベンチマークでベースラインと比較して優れた性能を発揮。
• •ロボット計画と制御を直接サポートできる視覚計画を提供。