跳到正文
arXiv · 机器人与计算机视觉· Jialei Chen, Kai Wang, Kang Chen, Shuaihang Chen, Feng Gao, Wenhao Tang, Zhiyuan Li, Weilin Liu, Zhuyu Yao, Boxun Li, Yuanbo Xu, Chao Yu·· 23 天前精选AI 评分78

LaWAM:基于潜在世界动作模型的机器人策略

LaWAM: Latent World Action Models for Efficient Dynamics-Aware Robot Policies

AI 导读

LaWAM 是一种潜在世界动作模型,通过预训练视觉基础模型的潜在空间训练动作模型并复用其前向解码器来预测场景演化的未来观测特征,从而为机器人策略提供动力学感知能力。该方法在 LIBERO、RoboTwin 及真实操作任务中取得了具有竞争力的成功率,且每步推理延迟仅为 187ms,比像素空间方法低约 24 倍。材料已接受于 CoRL 2026。

推荐理由

该工作提出利用潜在视觉子目标替代视频生成,在保持低延迟的同时实现动力学感知的机器人控制。

来源:arXiv · 机器人与计算机视觉 · arxiv.org