WorldBridge提出分离式视频与动作专家世界动作模型

Jun Cen等作者发布预印本论文，提出世界动作模型WorldBridge：将视频专家与动作专家分离，通过结构化注意力连接，并以联合流匹配训练，把视频预测转为可执行动作。作者称其在多个操作基准上取得对比方法中的最优表现，包括RoboTwin 2.0全数据设置96.23%、clean to random设置80.9%、RoboCasa GR1 TableTop 82.8%、DOMINO Level-1 57.6%。 在RoboTwin 2.0的监督消融中，作者报告：仅用分布内视频-动作监督时，分布外任务成功率为25.07%；加入这些任务的无动作标签视频后升至55.90%；每任务再加一条带动作标签示范后达到70.70%。作者据此认为，更广的视频覆盖可借助已有逆动力学能力促进迁移，稀疏动作监督进一步增强该能力。 上述结果出自arXiv预印本（arXiv:2610.40748v1），未经同行评议，也未提及独立验证或实机部署情况。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。