WLA-0让机器人先想再动
Gradio · x · 2026-07-12
研究者提出了 WLA-0，一个统一的世界-语言-行动模型，输入文本、图像和机器人状态，先预测子任务、再生成动作，用来把世界建模与语言推理结合起来。
主要结果
- 在长程任务上取得了较强表现：RoboTwin2.0 92.9%、RMBench 56.5%。
- 论文还展示了一个关键消融：如果去掉“先用文字规划再行动”的步骤，成功率会从 56% 降到 17%，说明这一步非常重要。
- 模型可以直接从机器人视频学习，不需要动作标注。
- 推理速度约 40ms/次，在 RTX 5090 上运行。
论文要点
- 目标是把世界建模、语言推理、动作合成统一到同一框架中。
- 通过逐步预测的方式，让模型既能理解环境，也能生成可执行动作。
- 适用于长时序、需要规划的机器人任务。
「具身」频道最新
- 人形机器人每一步都是连续纠偏：看 demo 要看摔倒后怎么恢复 — Olivier__OG · 2026-10-26
- CircuitHub 发布工厂级机器人 The Grid，美国产 PCB 提速两倍对标深圳 — garrytan · 2026-10-26
- AI 研究员曾预测机器人 2034 年才能跑赢人类，今年已被连续打脸 — ben_j_todd · 2026-10-26
- 上海AI实验室等发布 100 小时可穿戴采集人形机器人训练数据集 — ChuckDBrooks · 2026-10-26
- RealSense D585 Pro AI 3D 深度相机到货开箱，主打 Physical AI — chrismatthieu · 2026-10-26
- 网友晒「物理世界智能体集群」演示,实体 Agent 成群协作 — pduan · 2026-10-26