（来源：上观新闻）
该项目的🇨🇵工作流🕤程如下： 01 🤾♀️💢首先利用小💯规模真值📽轨迹训练逆动力学🌺模型（IDM：I🥤nverse 🦚Dynamic 🌔Model👩❤️👩），使IDM在🏷🗓仅观察视频🤦♂️时推断细粒度的键🥓鼠动作序列🙋♂️； 02 随🐟后用该模型对大规🚏模公开视频进🦵⤴行自动动作标😻注，形成系统🗽化的“视频-🇬🇭🐹动作”弱监督数据🇲🇭； 03 🧛♂️🔵在此基础上，通过🚄🇧🇿行为克隆4️⃣在自动👨🦳标注数🐞据上训🤓👤练基础策略👨🦱，使模型🚒能从视觉🛬🎵历史直🅱接预测下🔉一步键鼠操作；🈺⚱ 04 模型🏋↗通过小样本微调🗾📽适配特定任务，🇵🇱或在可定义🇨🇬奖励的环境中结🇳🇮🎅合强化学🏨习提升目💎🍘标性能💘。
这打破了物🖋理时间原本的🤡🇸🇳连续性与🏛相关性，极大地提😍升了样本🇷🇪利用率； 0😟🚍2 目标网络：通🌬🥜过引入一个🤼♂️🚠延迟更🌱新的网络来计算目📻标值（贝尔曼🇨🇬📁方程的解）🇧🇪💏，为训练提供🐭📉了一个相对静止🕶📜的锚点，有🧴💇效抑制了动📑🇲🇦态环境🇶🇦中的目标漂🎃🥭移☹🦐。
并且，对于🥢Seedan🈲📗ce 2.0的🦊🅰提示词要尽量短😶——上游🎨图片已经锁😿定了所有🈴🛋视觉信息，👘长提示🇦🇽🥑泛域名 泛目录 收录 区别反而让模⚜型在「跟参考🌮图走」和「听文♋👨🦰泛域名 泛目录 收录 区别字描述」之间产生🛣冲突🇳🇪🔐泛域名 泛目录 收录 区别。
