跳到正文
热点事件持续更新

LoopedWAM 发布紧凑世界动作模型

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Anh Dao 等人提出 LoopedWAM 架构,旨在解决现有世界动作模型依赖大型视频与动作 Transformer 导致部署效率低的问题。该模型在每个专家中循环应用共享的六层核心,仅存储每专家 12 个块,同时执行 30 层 Transformer;视觉特征单次计算,动作计算在采样步重复以应对非对称推理成本。 研究团队称,LoopedWAM 仅需 0.58B 策略参数且无需机器人预训练。在 LIBERO 基准上,LoopedWAM-E 在 H100 硬件上实现了 27.6 毫秒内 96.0% 的成功率或 24.7 毫秒内 95.2% 的成功率。

AI 根据报道生成 · 3 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20日
  1. arXiv · 机器人与计算机视觉
    LoopedWAM:面向弹性推理的循环世界动作模型

    针对现有世界动作模型(WAMs)依赖大型视频与动作 Transformer 导致部署效率低的问题,本文提出 LoopedWAM。该架构在每个专家中循环应用共享的六层核心,仅存储每专家 12 个块,同时执行 30 层 Transformer;视觉特征单次计算,动作计算在采样步重复以应对非对称推理成本。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。