伯克利 DexTacWAM:视频世界模型迁移为触觉,灵巧操作全任务夺冠
berkeley_ai · x · 2026-09-30
UC Berkeley 人形智能中心发布 DexTacWAM,一个面向灵巧操作的视触觉世界-动作模型。
- 通过持续视觉到触觉学习,将预训练视频世界模型改造为视触觉世界模型,用于预测性多指接触建模与动作生成
- 在 6 个接触密集型灵巧操作任务上全部取得最高分,平均 70.6 对最强基线 38.0
- 关键消融:在同样的触觉编码器、策略架构与训练流程下,把触觉世界模型潜变量换成直接触觉特征,4 任务均值从 74.7 跌至 26.6
- 结论:世界模型式的触觉潜变量预测远优于直接把触觉特征注入策略
- 动机:多指触觉数据稀缺且采集昂贵,视觉迁移是可行的扩展路径
所属事件:伯克利发布视触觉世界模型 DexTacWAM(2 条相关)→
「具身」频道最新
- Dyna Robotics:仅 30 分钟机载数据,机器人 Taku 学会全新全身任务 — charlieholtz · 2026-09-30
- Dyna Robotics:Taku 机器人 30 分钟数据学会全新全身动作 — JasonMa2020 · 2026-09-30
- YC 转发「智能体制造」基础设施:说出想法,机器人零件送上门 — ycombinator · 2026-09-30
- 人形机器人洗衣服 demo：被拔手改设置仍能回去续上任务 — JasonMa2020 · 2026-09-30
- Sentdex 给自研机器人征名，相中「chonk」 — Sentdex · 2026-09-30
- Waymo 体验揭示:旧金山每 20-30 单仍需远程员救场 — herbiebradley · 2026-09-30