跳到主要内容
检索

# ResWAM残差世界-动作模型

1 篇关联报道

订阅更新
  1. arXiv

    机器人策略不再预测整幅未来画面:ResWAM只学帧间残差,LIBERO-Plus成功率81.1%

    世界-动作模型通常让策略预测完整的未来观测,但一个动作块内画面变化很小,LIBERO上当前帧与未来帧特征的余弦相似度平均为0.96,未来损失大多靠复制静态背景就能满足。ResWAM改为在冻结的DINOv3特征空间里只监督当前帧到未来帧的残差,并用一个0.5B双分支DiT同时去噪动作与残差,总参数2.3B。不做机器人预训练时,它在LIBERO-Plus上取得81.1%平均成功率,在RoboTwin 2.0上取得93.8%,训练与推理算力分别为2.7–4.0和1.0–1.4 TFLOPs。

已读完全部报道