报告题目：闭环反馈机制的机器人操控任务思考
报告摘要：
对于具身多模态模型而言，良好的视觉表征能力是其理解环境的基础，它的效果很大程度上依赖于视觉表征的质量和表现力，因此视觉表征预训练方法尤为重要。考虑到机器人数据的稀缺性，可利用大规模人类视频数据集来提取可泛化特征，用于视觉驱动的运动控制策略学习。本次报告将深入讲解视觉表征预训练方法Learning Manipulation by Predicting Interaction (MPI)。MPI通过预测交互帧以及定位交互对象，使模型对于“如何交互”和“在哪里交互”有了更好地理解，增强了编码器捕捉操作过程中的行为模式及交互特征的能力。在多个下游机器人任务上，MPI相比于R3M、MVP、Voltron等表征学习方法取得了显著的提升。
报告人简介：
李弘扬博士攻克端到端自动驾驶核心难点，提出UniAD技术方案，获得IEEE CVPR 2023最佳论文奖。UniAD在工业界和学术界都产生了明显的社会经济效益，包括特斯拉推出的FSD V12。他提出的俯视图感知工作BEVFormer，获得了2022年百强影响力人工智能论文榜单，并得到英伟达CEO黄仁勋、Mobileye CEO Shashua教授在相关公开演讲的单独提及。他是《自然·通讯》审稿人，IEEE汽车委员会自动驾驶国际标准工作组组长。
