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
- Tesla Cybercab 成全球首款取消方向盘与踏板的量产车 — mitchdeg · 2026-11-14
- RobotAgentBench:混合 Codex 系统家庭任务平均分 48.5 — jiqizhixin · 2026-11-14
- 华为诺亚夺冠 BEHAVIOR-1K 挑战赛，任务成功率从 12% 升至 48% — 机器之心 · 2026-11-14
- ASU IRIS 实验室招收 2027 秋多名额全奖博士，方向含接触密集操作 — YuXiang_IRVL · 2026-11-14
- CoRL 2026 现场记:机器人给我拍照,Cybercab 载我兜风 — bousmalis · 2026-11-14
- 一人搞定软硬件：工程师从电路到成品造AI眼镜 — IgorCarron · 2026-11-14