arXiv · 机器人与计算机视觉· Huang Huang, Sriram Yenamandra, Arjun Majumdar, Elie Aljalbout, Tushar Nagarajan, Tsung-Yen Yang, Akshara Rai, Michael Rabbat, Li Fei-Fei, Jiajun Wu, Tingfan Wu, Franziska Meier·· 2026-10-09精选AI 评分83
Cross-Embodiment Robot Foundation World Models with Latent Actions 论文发布
Cross-Embodiment Robot Foundation World Models with Latent Actions
AI 导读
该研究针对机器人本体多样性导致的世界模型难以跨形态泛化的问题,提出了基于潜在动作条件的机器人世界模型(LAC-WM)。该方法在统一的潜在动作空间内运行,相比显式动作条件模型(EAC-WM),能显著提升下游灵巧操作任务及 LIBERO 基准的性能。
推荐理由
提出基于潜在动作空间的机器人世界模型,在跨形态泛化与下游任务性能上优于显式动作条件模型。
来源:arXiv · 机器人与计算机视觉 · arxiv.org