arXiv cs.AI· Fei Zhang, Zhaochong An, Duncan Frost, Yikai Wang, Pengfei Liu, Ya Zhang, Michal Drozdzal, Amir Bar·· 29 天前AI 评分43
ProWAM：基于渐进式视觉规划的世界动作建模
World Action Modeling with Progressive Visual Planning
AI 导读
研究人员提出渐进式世界动作模型 ProWAM，通过联合预测动作与有序的稀疏视觉子目标序列，为机器人控制提供显式视觉引导。该模型仅需单次视频主干前向传播缓存子目标特征，无需迭代生成完整视频，重规划时仅需轻量动作去噪。ProWAM 在 LIBERO-Plus（85.8%）和 RoboTwin（75.7%）基准刷新 SOTA，并在真实世界零样本实验中达到 70.0% 成功率。
来源：arXiv cs.AI · arxiv.org