上交大 RegisterWAM:给世界动作模型加寄存器,LIBERO-Plus 成功率 81.6%
AutoLab-SJTU · hf · 2026-10-15
上海交大 AutoLab、中科院与人形机器人(上海)公司研究世界动作模型(WAM)的表示结构:发现 WAM 表示中存在持久的高范数空间离群点,其动作相关性在归一化和 K/V 投影衰减后依然存在。
- 提出 RegisterWAM:向世界模型添加可学习的非空间寄存器,并直接用寄存器做动作条件化。
- 单加寄存器不能完全消除空间离群点;配合 observation flow-matching(FM)损失监督可抑制离群点并把高范数响应集中到寄存器。
- observation FM 损失即使无寄存器也能改善动作学习,由此进一步提出加噪观测 FM 目标,让模型从损坏输入恢复当前场景。
- 结果:LIBERO-Plus 成功率 81.64%,RoboTwin 2.0 平均 93.0%,真实世界操作表现提升,且无需额外具身预训练数据或基础模型。
「具身」频道最新
- 地平线发布 VITAL：单步去噪达 90.8 PDMS，推理提速 3.29 倍 — HorizonRobotics · 2026-10-15
- UCI 团队发布 SafeDriveVLA：破解 VLA 驾驶模型的语言指令安全漏洞 — UCI6055 · 2026-10-15
- 谷物摊平机器人进船舱作业,减少工人窒息与跌落风险 — LexiLove · 2026-10-15
- Pi-0.5 会捡笔却难平衡人形：全身协调成难点 — Darpinian · 2026-10-15
- 训练机器人走路比捡笔更易？VLA 训练难点引争论 — Darpinian · 2026-10-15
- NVIDIA 将在 GTC 柏林谈开放模型与物理 AI 助力欧洲自主化 — RevLebaredian · 2026-10-15