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

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。

原文链接 →

「具身」频道最新

更多「具身」频道 AI 资讯 →