Long-WAM扩展机器人实时动作上下文

Wei Huang等提出并评估Long-WAM，在实时机器人控制中扩展因果世界—动作模型的视觉上下文。基于论文摘要，该系统在RoboCasa GR-1上将上下文由0.0秒增至19.2秒，成功率从63.3%升至78.7%；在20次测试中，Pi0.5和Fast-WAM均未成功，而Long-WAM在LIBERO-Long、RoboTwin 2.0和DOMINO的对比方法中取得最佳结果。 Long-WAM采用流式观测编码、异步执行和硬件特定加速，可在RTX 5090、DGX Spark和Jetson AGX Thor部署且保留未来预测；RTX 5090上每个包含未来视频潜变量预测的动作块耗时107.4毫秒。双向预训练初始化没有带来净增益。

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。