MiniWAM以紧凑未来表征提升世界动作模型训练效率

Jie Chen 等人提出 MiniWAM 方法，用从特权当前-未来转移中学到的紧凑未来表征替代预训练视觉骨干原生表征空间的高维预测目标，通过 PRISM 结合逆动力学监督与特征重建构造该目标。 论文称，用比原生未来特征 token 少 65 倍的紧凑表征，MiniWAM 在 DINOv3 与 WAN2.1 VAE 特征上均优于原生未来特征预测，世界动作训练最高提速 8 倍；在 0.25B 参数量下，其在 LIBERO、LIBERO-Plus 和 RoboTwin 2.0 仿真基准上已与更大的世界动作模型相当。

AI 根据报道生成 · 2 小时前更新