Verne V0.5 机器人策略：训练时预测视频、运行时只出动作
rohanpaul_ai · x · 2026-11-06
Verne V0.5 是一个「世界-动作模型」（World Action Model），训练同时优化两个目标：预测机器人下一步动作 + 预测摄像头下一帧画面。
- 视频预测仅用于教会模型理解场景如何变化，训练时视频 transformer 与动作 transformer 通过 masked attention 交换信息，各自带 flow-matching 目标（与 Fast-WAM、Motus、VPP2 同类）
- 运行时模型只直接输出动作，不逐帧生成视频
设计亮点：让策略获得世界模型级的场景理解能力，又不付出每步生成视频的推理开销，是「world model 蒸馏进 policy」的代表性做法。
「具身」频道最新
- Google 发布 Fitbit Edge：50 米防水且首次支持用户自行换电池 — GoogleDesign · 2026-11-06
- Meta 开放与 Muse AI 头像视频通话，配套可穿戴设备将至 — TechCrunch AI · 2026-11-06
- 从业者预判:明年是机器人评测之年,酷炫演示不再能融资 — DJiafei · 2026-11-06
- eigenrobot 与 Tesla Optimus 人形机器人现场合影 — beffjezos · 2026-11-06
- 给 Claude 装上尖端机器人身体，只为喂我吃饭 — repligate · 2026-11-06
- GPT-6 Astra 登顶机器人榜单,实机插插头却 0/11 — AIFlow_ML · 2026-11-06