跳到正文
arXiv · 机器人与计算机视觉· Fei Zhang, Zhaochong An, Duncan Frost, Yikai Wang, Pengfei Liu, Ya Zhang, Michal Drozdzal, Amir Bar·· 2026-10-05精选AI 评分78

ProWAM:一种基于渐进式视觉规划的世界动作模型

World Action Modeling with Progressive Visual Planning

AI 导读

该论文提出了 ProWAM(Progressive World Action Model),旨在解决现有世界动作模型在长视界预测中效率低及缺乏目标导向的问题。该方法联合预测动作与有序的稀疏视觉子目标,利用大规模无动作视频训练视觉骨干网络以卸载复杂规划任务,仅需轻量级去噪即可生成高效动作。

推荐理由

提出 ProWAM 架构,通过稀疏子目标序列引导动作生成,在仿真与真实机器人零样本实验中均取得优于基线的结果。

来源:arXiv · 机器人与计算机视觉 · arxiv.org