跳到正文
arXiv · 机器人与计算机视觉· Jialin Tian, Zhuofan Li, Xinkai Wang, Bokai Lin, Chenyi Wang, Xinyu Zhan, Cewu Lu, Lixin Yang·· 27 天前AI 评分72

UniFlowWAM:融合视觉语义与 4D 几何的统一世界 - 动作模型

UniFlowWAM: A Unified World-Action Model with Visual Semantics and 4D Geometry

AI 导读

该论文提出 UniFlowWAM,一种将三维场景流作为独立模态的扩散 Transformer 架构,统一处理视觉语义与 4D 几何信息。模型在 RoboCasa-GR1、LIBERO 及 LIBERO-Plus 等仿真基准上提升成功率,并在真实双臂操作任务中达到 87.0% 平均成功率,优于最强基线。材料为预印本论文,未提及开源代码或具体部署许可。

来源:arXiv · 机器人与计算机视觉 · arxiv.org