Мультимодальная модель для предсказания согласованных 2D-точек траектории по изображениям сцены и текстовой инструкции для последующего управления манипуляциями робота.

Подходит для: Построение траекторий манипуляции по изображениям с нескольких камер · Преобразование текстовой инструкции в геометрические точки движения робота · Подготовка 3D-траектории посредством триангуляции точек с нескольких ракурсов