4D-WAM：用3D轨迹监督让世界动作模型理解动态三维，推理零开销
量子位 · wechat · 2026-08-16
4D-WAM团队提出一种不依赖特定模型结构的训练策略，利用3D轨迹场中的空间与时间信息，通过MotionAlignment和DestinationAlignment两项辅助监督，让世界动作模型（WAM）学会理解动态三维世界。在FastWAM-Joint和Lingbot-VA上验证，标准基准和分布外扰动均有提升，真实机器人任务成功率提升。训练时仅增加约2%时间，推理时零额外开销。
「具身」频道最新
- 旧金山机器人见闻：2 千美元机械手的可行性 — Scobleizer · 2026-08-16
- 美国首场6英尺高人形机器人大战旧金山落幕 — beffjezos · 2026-08-16
- 特斯拉无人驾驶里程周增 10% — mitchdeg · 2026-08-16
- 用户反馈特斯拉 FSD 成功避险，对其改观 — yunta_tsai · 2026-08-16
- Swaayatt Robots 展示泥泞越野自动驾驶Demo — sanjeevs_iitr · 2026-08-16
- 仿人机械手 OctoH-Hand 即将亮相， SynapX 打造具身智能闭环 — CyberRobooo · 2026-08-16