0.9B模型搞定具身智能：SG-WAM在LIBERO基准成功率达98.5%

Ruiteng Zhao · hf · 2026-08-05

提出了一种名为 SG-WAM 的自引导世界动作模型框架。现有模型在预测未来状态时，往往难以兼顾动作对齐与几何感知，而 SG-WAM 直接在策略派生的表示空间中学习几何感知的动作条件动态。

该框架引入了可学习的动态 token 和自引导预测器，通过策略骨干网络的指数移动平均（EMA）副本提供稳定的监督信号，并结合几何监督与流匹配动作生成进行端到端联合优化。

实验表明，在不依赖大规模具身预训练的情况下，仅基于 0.9B 参数的模型便在 LIBERO 基准上取得了 98.5% 的平均成功率，在更具挑战性的 LIBERO-Plus 上达到 73%，且在分布内外的真实世界评估中均优于现有强基线。

「具身」频道最新