研究发现3万小时第一人称视频仍教不会世界模型物体交互

Toyota Research 等机构与 Jiahua Dong 团队的新研究《What 30,000 Hours of Ego-centric Video Does Not Teach》用 30,012 小时第一人称视频训练世界模型，模型能学会手部动作的去向，却远未学会被触碰物体发生的物理后果。