GlanceWAM：异步稀疏想象的世界-动作模型

Linhan Wang 等人发布预印本 GlanceWAM，把视觉想象与控制解耦在同一个视频 DiT 主干上：异步提议器在后台以慢时钟生成单帧前瞻画面，动作头在潜空间按控制频率解码动作块，单块时延 48 ms（A100）。作者称，仅用演示数据训练，该模型在 24 任务 RoboCasa 厨房基准上得 72.2%（同步 Cosmos Policy 为 67.1%），在 LIBERO 上得 99.0%，单块控制时延比同步世界-动作模型降低 24 倍。 作者还称，在单臂和双臂真机操作中，不经任何机器人数据预训练，其平均成功率高于 π0.5。代码与真机视频已公开。上述结果均为作者自述，预印本尚未经同行评议。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。