机器人动作专家不再只学示范:HINT-WAM用示范的未来画面当老师,LIBERO-90成功率从78.88%升到85.18%
世界动作模型把动作生成与未来视觉预测耦合,但离线监督微调只让动作专家学习加噪的示范动作,从不接触自己采样器产生的中间状态。HINT-WAM让同一个模型在额外读取示范未来视频的条件下充当教师,在学生自己的去噪轨迹上以能量分数做分布级蒸馏,只更新动作专家。在未见过的LIBERO-90上,成功率从监督微调的78.88%升到85.18%,并高于同时微调视频与动作专家的全量微调81.24%。