更快的机器人世界动作模型
open-gigaai · hf · 2026-07-16
这篇工作讲的是 World Action Model (WAM) 在机器人策略学习里的改进。原始 WAM 会在推理时显式生成未来视频，虽然有助于学习动作，但推理开销很大，不利于实时闭环控制。
作者提出 GigaWorld-Policy-0.5，把训练和推理拆开：
- 训练阶段：结合 Action-Conditioned World Modeling 和 WAM 训练，让视觉动态与动作表示更紧密耦合
- 推理阶段：只做动作解码，不再生成未来视频，从而降低开销
- 引入 Mixture-of-Transformers，把视觉动态建模和动作生成分成专门专家，提高推理效率
- 还用一个 agent-based AutoResearch 流程自动搜索训练配置，减少人工调参
作者报告该方法在本地 RTX 4090 上动作推理延迟可做到 85ms。实验和消融表明，它在保留未来视觉动态训练收益的同时，也提升了机器人控制的实时性。
「具身」频道最新
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- 波兰开发者做 iPhone 应用 可探测附近的 Meta 智能眼镜 — Low-Honeydew6483 · 2026-09-11
- 蚂蚁阿福用户达 1.5 亿，外滩大会展示 AI+硬件健康管理联盟 — APPSO · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11
- SyncWorld:少量视觉校准即可零样本模拟机器人跨视角交互 — ChongZzZhang · 2026-09-11
- 狗类 3D 姿态数据集发布，动物动捕研究可用 — ducha_aiki · 2026-09-11