RealtimeWAM:一步生成+异步推理,机器人动作模型提速25倍
NanyangTechnologicalUniversity · hf · 2026-10-06
南洋理工大学团队发布 RealtimeWAM,一个极致高效的世界动作模型(WAM)变体,解决两类推理瓶颈:
- 一步动作生成:提出 Teacher-Anchored Consistency Distillation(TACD),发现仅降低局部一致性误差并不能保证最终动作准确,因此用冻结教师模型多步 rollout 终点做显式监督,弥补局部-全局误差鸿沟。
- 异步专家执行:提出 Cross-Expert Wavefront Pipelining(CEWP),通过按块共享视频 KV cache,让视频专家与动作专家重叠执行,只在动作注意力需要前同步。
在 LIBERO、LIBERO-Plus、RoboTwin 等基准上,RealtimeWAM 保持近无损性能(掉点 <1%),端到端加速显著(如 H100 上仿真加速 25 倍)。代码与 checkpoint 已开源。
「具身」频道最新
- 机器人数据公司最大瓶颈是运营而非技术 — paigeinsf · 2026-10-06
- GPT-2 机器人 Samson 探索翻车现场:有点迷糊但玩得开心 — MikePFrank · 2026-10-06
- VC:机器人部署真实数据几乎没回流训练,物理 AI 生态封闭 — carrycooldude · 2026-10-06
- ACG-Bench测双臂VLA组合泛化,AE-VLA把成功率从3%拉到21.5% — Zaibin Zhang · 2026-10-06
- ReSteer 开源：修复 VLA 执行中途无视新指令的可控性缺陷 — siddkaramcheti · 2026-10-06
- 机器人加持篮筐弹板修正，新手也能百发百中投进三分 — TinfoilTricorn · 2026-10-06