跳到正文
arXiv · 机器人与计算机视觉· Haitian Li, Tianfu Li, Xuxi Zhao, Zizheng Liu, Yangcheng Yu, Yiwen Hou, Zeyu Xiao, Mutian Xu, Ziqian Yang, Haonan Chen, Lin Shao·· 8 天前精选AI 评分78

Elastic-WAM:自适应时空想象用于高效机器人控制

Elastic-WAM: Adaptive Spatiotemporal Imagination for Efficient Robot Control

AI 导读

该论文针对世界动作模型(World-Action Models)迭代视频去噪带来的高推理开销问题,提出 Elastic-WAM 方法。该方法通过自适应分配时空细化计算资源,统一调控何时停止世界细化、每步推进多远以及刷新哪些区域。研究在多样化仿真基准和真实长程操作任务中评估,结果显示其兼具最先进的控制性能与更低的推理延迟。材料为预印本论文,未提及具体开源代码或模型权重下载链接。

推荐理由

提出弹性计算分配机制,在仿真与真实长程操作中实现控制性能领先且降低推理延迟。

来源:arXiv · 机器人与计算机视觉 · arxiv.org