arXiv · 机器人与计算机视觉· Yixiang Yang, Lizhong Zhang, Xingyu Zhang, Zhiwen Chen, Jie Ling, Qiankun Yu, Xingliang Liu, Yang Lei, Zhipeng Zhang·· 16 天前AI 评分63
SparseWAM:驱动世界动作模型仅需 16 个注册 Token
SparseWAM: Driving World-Action Models are Worth 16 Register Tokens
AI 导读
论文提出 SparseWAM,旨在解决基于视频生成器的世界动作模型(WAMs)推理延迟高及丢弃世界分支的问题。该方法将冻结的 DINOv2 特征压缩至每帧仅 16 个稀疏 Token 的注册空间,利用联合规划与评分预训练集中决策相关信息,并采用解耦模态的混合 Transformer 架构保留显式的“想象后行动”推理能力。
来源:arXiv · 机器人与计算机视觉 · arxiv.org