[논문리뷰] SWAM: Scaling World Action Models with Cross-Modal Alignment이 논문이 다루는 문제는 action learning을 도입할 때 video pretraining으로 얻은 language–video alignment가 손상될 수 있다는 점입니다.#Review#World Action Model#Cross-Modal Alignment#Video Pretraining#UMI Demonstrations#Flow Matching#Robot Manipulation#Control Generalization2026년 11월 9일댓글 수 로딩 중
[논문리뷰] ScaleNav: Scalable Internet Video Pretraining for Language-Conditioned Local Navigation본 논문은 로봇이 자연어 지시(natural-language instructions)에 따라 시야에 보이는 목표물로 내비게이션하고 정지하는 핵심 역량 문제를 다룹니다.#Review#Language-Conditioned Navigation#Internet Egocentric Videos#Video Pretraining#World-Action Model#Diffusion Transformer#Sim-to-Real Transfer#Robot Navigation2026년 10월 19일댓글 수 로딩 중
[논문리뷰] TT-VidT: Decoupling the Temporal Axis for Efficient Motion-Centric Video Pretraining본 논문은 기존의 비디오 SSL(Self-Supervised Learning) 연구들이 구조, 학습 목표, 데이터 노출 등 다양한 요소를 동시에 변화시킴으로써 실제 어떤 요소가 Motion-Centric한 표현력을 만드는지 불분명하게 만든다는 점을 문제로 지적합니다.#Review#Video Pretraining#Self-Supervised Learning#Motion-Centric#Temporal Decoupling#Diff Compression#Representation Learning2026년 9월 28일댓글 수 로딩 중
[논문리뷰] Scaling Mixture-of-Experts Video Pretraining for Embodied Intelligence기존의 비디오 생성 모델들은 주로 시각적 품질과 창의성에 집중하고 있어, embodied intelligence가 요구하는 물리적 현실성(physical realism)과 제어 가능성(controllability)이 부족한 도메인 불일치 문제를 겪고 있습니다.#Review#Mixture-of-Experts#Video Pretraining#Embodied Intelligence#Diffusion Transformer#Reinforcement Learning#Scalability2026년 7월 8일댓글 수 로딩 중
[논문리뷰] VideoAgentTrek: Computer Use Pretraining from Unlabeled Videos본 연구는 GUI(Graphical User Interface) 에이전트 훈련에 필요한 대규모의 수동 주석된 상호작용 데이터 확보의 어려움을 해결하고자 합니다.#Review#GUI Agents#Video Pretraining#Inverse Dynamics#Action Recognition#Computer Use Automation#Data Synthesis#Multimodal Learning2025년 10월 23일댓글 수 로딩 중