arXiv cs.RO 机器人学· Jing Lyu, Shuanghao Bai, Runze Xiao, Zhenyu Liao, Wenxing Tan, Zihan Tang, Ruochuan Shi, Cheng Peng, Yuheng Ji, Yihao Wang, Badong Chen, Pengwei Wang, Zhongyuan Wang, Xiaoguang Zhao·· 2 小时前精选AI 评分56
DIDO：将交互中心动力学蒸馏进单步去噪的世界动作模型
DIDO: Distilling Interaction-Centric Dynamics into One-Step Denoising for World Action Models
AI 导读
论文提出 DIDO，把多步视频世界动作模型（WAM）收敛的动力学蒸馏进单步去噪，以降低闭环控制的推理延迟。作者发现静态背景在去噪早期即形成，而夹爪与被操作物体的交互动态需后续步骤才浮现，因此结合分布匹配蒸馏与交互中心表征引导，用带监督边界框的视觉推理 token 显式建模夹爪、物体及其交互，并借助预训练 DINOv3 编码器跨层对齐目标物体表征。
推荐理由
论文解释了多步去噪中背景先收敛、交互动态后出现的规律，说明直接截断到一步为何会丢失操作关键信息。
来源：arXiv cs.RO 机器人学 · arxiv.org