跳到正文
热点事件持续更新

CoT-WAM 框架发布:联合训练 VLM 与 WAM 以提升具身智能

1 篇报道1 个报道来源14 小时前更新

先了解这件事

AI 综述

针对现有世界动作模型缺乏语义能力的挑战,研究者于 2026 年 11 月 19 日在 arXiv 公开了 CoT-WAM 框架。该框架通过可学习嵌入交换信息并采用两阶段策略,实现了视觉语言模型(VLM)与世界动作模型(WAM)的协同训练。 实验结果显示,该方法在 LIBERO、CALVIN 和 RoboCasa-Kitchen 等基准上达到最先进性能,在未微调情况下展现出更强的零样本泛化能力,同时在 RoboCasa365 上改善了长程规划效果。

AI 根据报道生成 · 13 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · 机器人与计算机视觉
    CoT-WAM:基于计划潜变量的视觉语言模型与世界动作模型协同训练

    针对现有世界动作模型缺乏语义能力的挑战,本文提出 CoT-WAM 框架,通过可学习嵌入交换信息并采用两阶段策略实现 VLM 与 WAM 的联合优化。该方法在 LIBERO、CALVIN 和 RoboCasa-Kitchen 等基准上达到最先进性能,并在未微调情况下展现出更强的零样本泛化能力,同时在 RoboCasa365 上改善了长程规划效果。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月19日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。