EEmbogent
模型数据硬件产品评测公司技术融资
模型重要2026/11/15 02:42·重要度 74

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。

阅读原文来源 arXiv VLA/Humanoid · arxiv.org

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。

同板块相关

模型重要1 天前

PlanDiv:用潜在计划为 VLA 实现测试时扩展

研究者提出 PlanDiv 动作头:轻量规划器生成 K 个潜在计划假设,共享掩码扩散执行器在单次主干前向中为每个计划解码一个动作块,策略只执行自似然最高的块;计划仅从示范学习,无需标签或奖励。在 CALVIN 上,8 个计划条件候选明显优于从单一解码器重采样得到的候选;后者从 4 个增至 8 个时仅增加 0.06–0.07 个完成任务。

模型重要11/09

Robo-MLT双系统框架实现医疗实验室长程操作

Zequan Zeng等提出Robo-MLT双系统框架:视觉语言规划器按实验流程生成有序原子技能序列,多帧执行监控判断技能完成或不可行并触发重规划,技能条件VLA策略生成操作轨迹,异步运行时协调二者。在医疗实验室长程任务上与四个策略基线及VLM监测方案对比验证。