Flex-π：6B 参数世界动作模型靠预测 3D 几何大幅省数据
chris_j_paxton · x · 2026-09-23
Chris Paxton 在 RoboPapers 第 106 期解读 Flex-π，并补充了自动生成、经 ChatGPT 校对的可搜索文字稿。
核心内容：
- 现有世界动作模型（WAM）几乎都只预测 RGB 像素，但颜色对机器人并不重要，关键是 3D 几何和物体语义。
- Flex-π（6B 参数）发现一个「免费午餐」：同一个冻结的视频生成 VAE 在编码 RGB 的同时，几乎无损地编码了 3D pointmap，无需任何 pointmap 专项训练。
- 因此可以在 RGB 之外同时监督 3D pointmap 和 DINO 物体语义特征，不增加传感器、预训练或推理延迟。
- 所有视觉信号投影到共享潜空间，在 Mixture-of-Transformers 骨干中与动作联合去噪，配合 per-stream dropout 与跨模态 forcing。
- 结果：样本效率显著提升，能泛化到复杂、精确的长时程任务。
所属事件:Flex-π 机器人世界动作模型发布 预测3D几何大幅省数据(3 条相关)→
「具身」频道最新
- 用 Backplane「提示词造出」任意扩展卡,网友呼吁扩展口回归标配 — _Stocko_ · 2026-11-12
- CoRL 联合主席忆 2021 展区仅三张桌，对比 2026 规模感概行业巨变 — Ed__Johns · 2026-11-12
- keerthanpg:机器人学家仍不接受苦涩教训,CoRL 现场五阶段哀伤 — keerthanpg · 2026-11-12
- SynthICL：纯合成数据训练，单演示泛化 16 项真实操作任务 — Ed__Johns · 2026-11-12
- 8 小时、$94 API 费用：Claude 给机器狗装上激光雷达和大脑 — chrismatthieu · 2026-11-12
- 优必选向永达汽车售 400 台 U1 Pro 仿生人形机器人，约值 6800 万元 — CyberRobooo · 2026-11-12