想请懂具身的朋友帮我对一下理解。HiDream-O1-Embodied 这次翻来覆去就讲两个词:「原生全模态」和「闭环」。
我的理解是——原生,大概是说不拿几个单模态模型硬拼,从一开始就是一套;闭环,是感知→决策→动作能自己转起来,模型不是只负责吐个结果,后面再接一堆工程胶水去圆。
要是没理解岔,这两点真做扎实了,架构上的收益我觉得比堆参数量大得多。道理不复杂:中间每少一层转换,误差累积就少一层。
我拿不准的是发布时说的和工程上能跑到哪一步,这俩之间通常隔着挺远。得等哪天有人拿它接真机,干点不是演示场景的活儿,才算真见分晓。理解有偏差的地方欢迎直接拍。