EgoWAM：野外人类数据训练世界动作模型的对比研究

Baoyu Li 等研究者提出 EgoWAM，一个受控的人机协同训练框架，在固定策略骨干、动作头和数据配比的前提下，仅改变世界预测目标，对比 Pixel、DINO 和 3D motion flow 三种表征。研究者称，在三个真实世界双臂任务中，世界动作模型协同训练比行为克隆更能有效利用野外第一视角人类数据。 实验结果显示，DINO 将分布外物体与场景的泛化能力提升至多 4 倍，3D motion flow 则使域内性能提升 20–30%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。