因果视频模型是数据高效的机器人策略学习者

Rhoda AI 提出直接视频-动作模型（DVA），将机器人控制重新定义为视频生成，利用网络视频预训练实现数据高效的任务学习、长期上下文记忆、一次性学习和可解释性。该模型通过因果视频模型和逆动力学模型，在仅需约10小时机器人数据的情况下完成复杂任务，并支持从单一演示中上下文学习。