Cycle WAM：用循环一致性耦合动作与视频

Qinglin Yang等作者提交预印本论文，提出Cycle WAM训练框架：把视频与动作当作由因果关系连接的配对模态，先用双向转换增强视频-动作联合训练，以强化跨模态对应并恢复前向与逆向动力学，再引入可微的循环重建目标进一步耦合两个映射。所得模型同时支持前向与逆向动力学。 作者称，Cycle WAM在LIBERO-Pro上取得同类方法中的最优性能，并在DROID上明显改进DreamZero；与UWM的对比刻画了其逆向动力学表现，展示的前向动力学预测视觉细节更清晰。 该工作为arXiv预印本（arXiv:2611.04711），尚未经同行评议，上述性能说法均出自作者。

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。