AnyStep-WAM:按任务难度自适应分配去噪步数,平均省 60% 步数不掉成功率
Rui Wang · hf · 2026-09-30
研究者提出 AnyStep World Action Model（AnyStep-WAM），一个面向世界动作模型（WAM）的可调预算预测与自适应计算分配框架。
出发点：操作任务中不同动作块对生成误差的敏感度不同——关键动作需要精度，不敏感动作可以更快生成，但现有 WAM 用固定去噪步数做迭代去噪。
方法：
- 预算对齐的教师轨迹蒸馏：训练区间条件化的 flow map，支持从单步预测到多步精修的动作生成
- 轻量风险-收益调度器：从单步预览预测基于教师曲率的难度和学生-教师保真度，选出满足风险自适应保真度要求的最小预算
结果（基于 Motus、FastWAM、LingBotVA 三个 WAM，RoboTwin 2.0 评测）：
- 平均去噪步数分别减少 60.2%、49.8%、85.28%，任务成功率保持基线水平
- 单步去噪预算下性能大幅提升，成功率分别提高 7.07%、12.08%、8.94%
- 六个真实世界操作任务进一步验证有效性
「具身」频道最新
- Simify:单张图像实时转仿真,进化搜索解机器人空间推理 — Ed__Johns · 2026-09-30
- ZeroBot:零演示零预训练,119 秒从零学会机器人操作,成功率 87% — Ed__Johns · 2026-09-30
- LadderMan 入选 CoRL 2026 Spotlight：人形机器人零样本爬梯作业 — yuewang314 · 2026-09-30
- Reddit 热议:鸵鸟形家用机器人 Goose 比人形更实用? — fhpapa · 2026-09-30
- 亚马逊 StructRL:可验证子任务中间奖励,提升长程机器人操作 — amazon · 2026-09-30
- 内存价格暴涨,端侧 AI 硬件团队称物料成本已超 300 美元 — stephen280up · 2026-09-30