ThinkWAM:用潜空间未来预测反复精化动作块
ThinkWAM: Rethinking Latent Futures for Action Refinement
AI 摘要
Haoyun Tang 等提出 ThinkWAM,一种世界-动作模型框架,采用“提议-重思-精化”循环:策略先输出完整动作块,再用学习到的残差修正多尺度未来潜变量,并把修正结果注入同一动作头的第二遍推理,从而生成可执行动作块。作者还引入可供性引导的观察-动作记忆,以及近细远粗的多尺度预测方案,二者均受预测编码启发。摘要未给出量化评测结果。
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。