HiLo-WAM解耦长程任务与局部动态的世界动作模型

Xingyu Wang等作者提出HiLo-WAM世界动作模型，将长程任务演化与局部视觉动态解耦，并让两者与机器人动作联合建模。其思路是：现有世界动作模型（WAM）多建模密集的短程视觉动态，长程任务上下文有限；延长预测窗口又会增加不确定性，并混淆任务级演化与细粒度局部动态。该方法用稀疏长程视觉流捕捉历史任务上下文与未来演化，用密集局部动态流建模短程机器人-物体交互，两流在统一双DiT架构中以不同时间尺度运行，并通过结构化跨流注意力引导动作。 作者报告，HiLo-WAM在RoboTwin 2.0上平均成功率为93.70%，在RoboDojo长程任务上进度得分为17.43，并在Fourier GR-3机器人上表现出域内与OOD（分布外）鲁棒性；渐进推理带来2.93倍加速，同时提升性能。消融实验称两流的贡献互补，时间尺度分析强调需平衡时间覆盖与分辨率。上述结果来自arXiv预印本，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。