視覚言語モデルを用いた細粒度動作の模倣学習：VLMimic

限られた数の模倣動画からロボットが複雑なタスクを学習することを目指し、視覚言語モデルを用いて細粒度動作を模倣学習する新しいパラダイム「VLMimic」を提案する。