動画学習を増やすとロボットは賢くなる？

より大規模な動画モデルと、より多くのpre-training計算資源がロボットのタスク性能を向上させることが、Direct Video-Actionモデルを通じて確認されました。性能向上は、未公開のウェブ動画に対する予測精度の向上から生じており、より大規模なモデルは複雑な産業用荷ほどきのような実世界のタスクで優れた能力を発揮します。DINO FDによって測定されたpre-trainingの品質は、その後のロボットの効率を予測し、実際の展開におけるスケーラビリティを高めます。