AI创作者AMA知无不言
现有机器人世界模型要么预存完整画面算力爆炸，要么编码与动作模块割裂，空间细节丢失严重。新 SG-WAM 框架用 0.8B 轻量 Qwen3.5 主干，搭配可学习动态令牌与 EMA 自引导预测，解决预测、策略信息不匹配痛点。训练引入冻结 VGGT 做几何监督，仅对齐特征方向，推理无额外开销；融合动作序列编码、流匹配动作生成，同步优化动作模仿、未来预判、空间感知三类损失。LIBERO 全仿真任务平均成功率 98.5%，零样本扰动测试 73% 大幅领先 7B 级竞品；真实 UR5 机械臂取物、折布、整理多场景，内外环境扰动下稳定性全面胜出消融对照组。消融实验证实动态令牌、几何模块、自预测三者协同增益最大，轻量底座兼顾时序规划与三维空间感知，低成本工业机械臂、桌面机器人落地实用性拉满。
发布于 山西
1
评论
赞
未登录
友善发言
评论
加载中
