人形机器人潜空间世界动作模型提出并完成仿真与实机评测

Ju Dong等作者提出动作条件潜空间预见（action-conditioned latent foresight），一种潜空间世界动作模型（WAM）：动作生成器根据视觉、语言和机器人状态提出关节运动与手部指令序列，动作条件端点预测器估计各序列前缀到达的视觉特征并衡量向演示子目标的进展，联合时间先验结合机器人状态与先前指令评估时间一致性；机器人执行得分最高序列的首批指令，并从下一观测重新规划。 作者称，在人形机器人移动操作仿真基准 SIMPLE 的十项任务上，该方法平均成功率为 89.7%，Psi-Zero 为 73.7%，DiT4DiT 为 82.0%；在七项实机任务上，标准条件下成功率为 85.7%，未见物体配置下为 65.7%，GR00T N1.7 对应为 70.0% 和 48.6%。训练中使用动作一致性正则，从观测与预测的特征变化重建首个演示指令。 该论文为 arXiv 预印本，共 10 页（含补充材料），上述结果尚未经同行评议或独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。