ResWAM:只监督特征变化的世界-动作模型
ResWAM: Learning What Changes, Not What Stays, for World-Action Models
AI 摘要
Chongyu Fan、Sijia Liu 等提出 ResWAM,指出既有世界-动作模型监督完整未来观测时,损失被静态背景复制主导,难以学到机器人与物体运动。该方法改为在冻结 DINOv3 特征空间中只监督当前帧到未来帧的特征残差,残差目标特征秩更高,且无需大型视频生成模型或独立世界模型,显著降低训练与推理算力,便于闭环部署。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。