DeltaWAM 预测视觉增量替代稠密帧，双臂操作成功率升至 85.4%

Han Yan · hf · 2026-09-25

研究者提出 DeltaWAM，一种面向双臂操作的 Delta World Action Model，解决现有世界-动作模型（WAM）训练时预测稠密未来帧、重复建模大量不变内容的问题。

• 方法：联合预测视觉增量与动作，采用 dense-anchor、sparse-delta 和 action 三路流，并给出三种共享表征与计算的架构变体。
• Streaming Delta Memory（SDM）：用紧凑的观测增量更新缓存的锚点上下文，避免每步都跑重型视频专家。
• 结果：在 RoboTwin 上，清洁场景平均成功率从 Fast-WAM 的 81.3% 提升到 85.4%，视觉随机化场景从 75.8% 提升到 83.9%；三种架构降低训练 FLOPs 17.78–23.77%，SDM 将一步推理延迟和 FLOPs 分别降低 36.57% 和 31.55%；真实世界评估中总体成功率与归一化进度最高。

代码与项目页已开源。

原文链接 →

「具身」频道最新

• 香港「Robots & Beers」10 月 15 日举办，依托香港电子展聚拢机器人社群 — broodsugar · 2026-09-25
• 小鹏敲定人形机器人供应商，目标 2027 年交付 — VraserX · 2026-09-25
• Sharpa 灵巧手世界联觉模型登 CoRL：专治噪声深度与稀疏触觉 — jiqizhixin · 2026-09-25
• IFR 报告:全球在役机器人破 500 万台,中国装机量超世界其他地区总和 — lukas_m_ziegler · 2026-09-25
• 马斯克点评中国人形机器人运动会:未来会有很多很多机器人 — XFreeze · 2026-09-25
• Meta 直接叫它 VR 眼镜,终结 VR/XR/MR 术语混战 — pvncher · 2026-09-25

更多「具身」频道 AI 资讯 →