跳到正文
arXiv · 机器人与计算机视觉· Xiaopeng Zhang, Yongjin Mu, Yueyang Weng, Chengzhi Zhao, Yanjie Li·· 16 天前精选AI 评分82

W2A:将世界先验蒸馏进动作模型以实现实时机器人控制

W2A: Distilling World Priors into Action Models for Real-Time Robotic Control

AI 导读

针对现有世界动作模型(WAMs)因需显式想象未来状态而导致计算开销大、难以满足实时控制的痛点,本文提出 W2A 框架。该方法在训练阶段将视频扩散模型的中间去噪表示蒸馏至动作模型,测试时完全丢弃视频模型,假设压缩的低维子空间足以提供有效监督。实验表明,W2A 在 LIBERO 基准上平均成功率达 95.9%,推理速度比代表性 WAM 基线快约 21 倍,兼顾了高成功率与高效率。

推荐理由

提出将视频扩散模型的中间去噪表示蒸馏至动作模型,测试时完全丢弃视频模型,在保持高成功率的同时显著降低推理延迟。

来源:arXiv · 机器人与计算机视觉 · arxiv.org