NVIDIA 发布 Long-WAM：上下文从 0 到 19.2 秒，机器人成功率升至 78.7%
arankomatsuzaki · x · 2026-10-09
NVIDIA 推出 Long-WAM，一个用于扩展世界-动作模型（world-action models）上下文长度的框架。
- 核心发现：扩大模型可感知的时间上下文能直接提升机器人操作表现
- 在 RoboCasa GR-1 基准上，上下文从 0 秒扩展到 19.2 秒，成功率从 63.3% 提升到 78.7%
- 说明让机器人「看」更长的历史动作序列是提升自主能力的一条有效路径
所属事件:NVIDIA 发布 Long-WAM：19.2 秒视觉上下文提升机器人实时控制(5 条相关)→
「具身」频道最新
- Odyssey 发布世界模型 Odyssey-3,Physics-IQ 刷出新 SOTA — Scobleizer · 2026-10-09
- Sentdex:多模态 LLM 零训练操控机器人,VLA 或只是插曲 — Sentdex · 2026-10-09
- 估值 390 亿美元的 Figure:两年前吹的 10 万台机器人兑现在哪 — annatonger · 2026-10-09
- 用户吐槽 Dot 缺 CallKit：电话功能本可更好用 — cheezemink · 2026-10-09
- BiGym 2.0 基准：LLM 写策略 1 条 demo 达 65%，不敌 π0.5 的 75% — stepjamUK · 2026-10-09
- 开发者用 Claude Opus 做出 56 关节人形机器人交互拆解 — techartist_ · 2026-10-09