長期行動予測のためにLarge Language Modelを活用する: ビデオからの洞察を得る

大規模言語モデル(LLM)は、ビデオ観察から人間の行動を長期的に予測する上で有用な知識を持っている。提案手法AntGPTは、LLMを活用して目標推定と時間的動態のモデル化を行い、最先端の長期行動予測性能を達成する。