跳到正文
arXiv · 机器人与计算机视觉· Jiangtao Liu, Zishang Xiang, Yage He, Lingguo Cui, Baihai Zhang, Runqi Chai, Senchun Chai·· 2026-10-07AI 评分68

ACG-WAM:基于动作条件的几何潜变量预测实现世界动作建模

ACG-WAM: World-Action Modeling via Action-Conditioned Geometric Latent Prediction

AI 导读

该论文提出了 ACG-WAM 及其辅助目标 ACG-JEPA,旨在解决世界动作模型缺乏显式几何后果监督及视觉特征含未来信息的问题。该方法利用冻结的 VGGT 编码作为目标,从当前观测和中间动作预测多个时间步的几何特征,并应用于头部与手腕相机。

来源:arXiv · 机器人与计算机视觉 · arxiv.org