HINT-WAM:用演示视频做「事后诸葛」监督,免奖励训练世界动作模型
Phuong Tuan Dat · hf · 2026-11-19
新加坡国立大学提出 HINT-WAM,首个在策略(on-policy)自蒸馏框架,用于后训练世界动作模型(WAM)。
动机:离线 SFT 只在加噪示范动作上训练,从未见过自身采样器的中间状态;在策略 RL 则因任务奖励稀疏难以探索与信用分配。
方法
- 学生模型沿自身去噪轨迹生成动作;在同一模型在这些状态上额外以「事后信息」(hindsight,即示范的未来视频)为条件充当教师,给出密集的动作分布训练目标
- 学生只看部署时输入,无需环境奖励或仿真器交互
- 用能量分数(energy score)这一分布级目标把教师蒸馏进流匹配(flow-matching)动作专家,而非回归速度场
在 LIBERO-90 新任务、RoboTwin 2.0 等套件上的成功率显著超过 BC 控制与全量 SFT。项目页:tuandattt.github.io/hintwam。
「具身」频道最新
- GlobalFoundries 成 Atlas 首个非汽车客户,2027 年初芯片厂试点 — emmanuelvivier · 2026-11-19
- 双臂机器人 Dual Scorpion 正式开源,基于 SO-101 硬件设计 — rsasaki0109 · 2026-11-19
- The Verge 实测两周:Apple Watch 常驻监听 AI 为你的生活自动做总结 — The Verge AI · 2026-11-19
- 磁足攀爬钢构的变形机器人 Aru,已签下工业除漆合同 — lukas_m_ziegler · 2026-11-19
- 三只「半残」机器人演纪录片:一个看不见、一个不想、一个想太多 — kamathsblog · 2026-11-19
- 400 美元内自制机器狗:MuJoCo 自建 RL 仿真实现真机迁移 — ___Mufasaa · 2026-11-19