NVIDIA DreamDojo 机器人世界模型：44K 小时视频预训练，蒸馏后达 10 FPS

Jim Fan 推荐 Shenyuan Gao 的技术详解：NVIDIA 的 DreamDojo 是一个交互式机器人世界模型，基于 44K 小时人类第一人称视频预训练，团队称这是目前机器人世界模型学习中规模最大、最多样的数据集。该模型在泛化能力之外，经知识蒸馏后支持 10 FPS 的实时交互，可用于实时遥操作、策略评估和测试时的基于模型规划，代码、模型与数据已在 GitHub 开源。