arXiv · cs.AI· Jialei Chen, Kai Wang, Kang Chen, Shuaihang Chen, Feng Gao, Wenhao Tang, Zhiyuan Li, Weilin Liu, Zhuyu Yao, Boxun Li, Yuanbo Xu, Chao Yu·· 1 天前
LaWAM：用潜在世界动作模型实现高效动态感知机器人策略
LaWAM: Latent World Action Models for Efficient Dynamics-Aware Robot Policies
AI 导读
LaWAM 通过紧凑的潜在视觉子目标而非重建未来视频，向机器人策略暴露预测动态，在 LIBERO 上达到 98.6% 成功率、RoboTwin 上 91.22% 成功率，并保持低延迟推理。其核心 LaWM 在预训练视觉基础模型的潜在空间中训练潜在动作模型，并复用其前向解码器预测未来观测特征。LaWAM 每次动作块预测耗时 187 ms，相比像素空间 WAM 的挂钟延迟最高降低 24 倍。
来源：arXiv · cs.AI · arxiv.org