几何基础模型直接当动作解码器,GAM 提出机器人操作新范式
rsasaki0109 · x · 2026-09-02
作者提出 Geometric Action Model（GAM），一种语言条件操控策略，核心思路是把预训练的几何基础模型（GFM）改造成感知、时序预测和动作解码的统一底座：在中间层切开模型，浅层作为观测编码器，其余部分用于因果的未来预测与动作解码。
作者指出，现有 VLA 与视频 world-action 模型虽然继承了大规模基础模型的语义或时序先验，但主要在 2D 图像帧或 2D 衍生的潜空间上运行，缺乏接触密集型操控所需的几何信息。GAM 试图让 3D 几何显式进入策略学习闭环。论文与代码见其 GitHub 链接。
「具身」频道最新
- LimX Dynamics TRON 2 双臂机器人演示装配模板与多层绑筋 — chris_j_paxton · 2026-09-02
- 网友调侃 Physical AI:好在写软件,顶多硬盘被格式化不会挨打 — burhop · 2026-09-02
- 免费 ROS 2 实战教程发布:仿真里从建图跑到自主导航 — 4310sy · 2026-09-02
- 俄电子店人形机器人被推搡后反击顾客,员工将其按倒重启 — Polymarket · 2026-09-02
- WSJ:Spiegel 重注 Snap 新智能眼镜,公司高管层心存疑虑 — KateClarkTweets · 2026-09-02
- Snap 拟推 2195 美元智能眼镜,Spiegel 重注自研硬件 — Polymarket · 2026-09-02