arXiv · 机器人与计算机视觉· Xiaomeng Yang, Yushu Wu, Yi Gao, Yuhao Lei, Xuan Zhang, Pu Zhao, Yanzhi Wang·· 2026-10-08AI 评分58
面向世界动作模型的视觉动作事件对齐推理方法
Event-Aligned Visual Action Reasoning for World Action Models
AI 导读
针对现有世界动作模型依赖预定义时间间隔的问题,该方法引入事件对齐的视觉动作推理框架,将视觉预测与关键交互事件直接对齐,在想象 rollout 中聚焦任务关键状态变化并细化推理粒度。同时增加执行有效性头以剔除冗余动作。实验显示其在 DOMINO 基准上成功率提升 10.26 个百分点,且在 RoboTwin 2.0 表现优异,能从 Level 1 无适配迁移至 Level 2 和 Level 3。
来源:arXiv · 机器人与计算机视觉 · arxiv.org