arXiv · 机器人与计算机视觉· Liuhaichen Yang, Zhengyang Zhong, Hanshang Zhu, Ningwei Bai, Qichen Yin, Zhi Han, Jiarui Qin, Zhuang Jiang, Chenchao Sheng, Hanbo Ma, Junkai Liu, Junkai Sun, Dongcheng Lyu, Bo Liu, Yi Dong, Zezhi Tang·· 2026-10-05AI 评分72
WAM-OPD:基于在线策略蒸馏的世界动作模型联合视频 - 动作监督后训练方法
WAM-OPD: Joint Video-Action Supervision for World Action Model Post-Training with On-Policy Distillation
AI 导读
arXiv 论文 WAM-OPD 提出一种利用教师模型对预训练世界动作模型(WAM)进行后训练的方法,通过收集学生模型的 rollout 历史并查询教师获取配对的视频与动作目标。该方法在 RoboTwin 2.0 的 12 个任务中将平均成功率从 33.8% 提升至 65.7%,在四个真实机器人任务中从 51.4% 提升至 64.6%。消融实验显示联合监督优于单一模态,且未增加部署时的采样预算。
来源:arXiv · 机器人与计算机视觉 · arxiv.org