NVIDIA/MIT推出Long-WAM：上下文拉长到19秒，机器人实时控制成功率达78.7%
songhan_mit · x · 2026-10-14
Long-WAM 是 NVIDIA、MIT 等机构联合发布的具身智能框架，核心是给因果世界-动作模型（World-Action Model）拉长视觉历史上下文，同时保住实时控制。
关键发现：
- 更长上下文、更好控制：RoboCasa GR-1 上把上下文从 2.4s 拉到 19.2s，成功率从 66.3% 升到 78.7%；LIBERO-Long 从 94.5% 到 99.5%。
- 自回归预训练很关键：在约 1 万小时机器人/第一人称视频上做 AR 视频预训练（无需动作标签），随上下文扩展持续提升；双向初始化基线则无净增益。
- 更平滑的异步控制：RoboTwin 2.0 上异步 94.2% vs 同步 94.4%，动作抖动比 Fast-WAM 低约 3 倍、比 LingBot-VA 低约 15 倍。
- 实时端侧推理：完整 predict-then-act 模型在 RTX 5090 上每个动作块仅 107.4 ms，已部署到 DGX Spark 和 Jetson AGX Thor。
- 真机演示：Unitree G1 动态叠杯任务 19/20 成功（95%）。
「具身」频道最新
- Physical Intelligence 研究员:机器人领域正迎来「寒武纪大爆发」 — svlevine · 2026-10-14
- 机器人 20/20:一段视频集齐螺母齿轮到 BNC 接头 20 种抓取 — KyleMorgenstein · 2026-10-14
- General Instinct 携手 Physical Intelligence,把前沿模型落地真实机器人部署 — svlevine · 2026-10-14
- Physical Intelligence 开放 Pi 机器人模型 API，150 家工厂已用上 — svlevine · 2026-10-14
- 「精密设备」实为 14.9 美元 Seeed 开发板，官方措辞遭圈群嘲 — wavefnx · 2026-10-14
- KILVO:融合编码器/IMU/LiDAR/视觉的人形机器人里程计框架 — rsasaki0109 · 2026-10-14