RegisterWAM 用寄存器重组世界动作模型表征
热点事件持续更新
RegisterWAM 用寄存器重组世界动作模型表征
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Yiwei Zhang 等在 arXiv 提出 RegisterWAM，在世界动作模型中加入可学习的非空间寄存器并直接用于动作条件化，同时用观测流匹配（FM）损失监督以抑制空间离群点。论文称该模型在 LIBERO-Plus 上取得 81.64% 成功率，且无需额外具身预训练数据或基础模型。 论文还称其在 RoboTwin 2.0 上平均成功率达 93.0%，并提升了真实世界操作表现。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
论文提出 RegisterWAM，用寄存器重组世界动作模型表征以提升机器人操作成功率报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv cs.RO 机器人学精选论文提出 RegisterWAM，用寄存器重组世界动作模型表征以提升机器人操作成功率
论文提出 RegisterWAM，在世界动作模型中加入可学习的非空间寄存器并直接用于动作条件化，配合观测流匹配（FM）损失监督抑制空间离群点。该模型在 LIBERO-Plus 上取得 81.64% 成功率，RoboTwin 2.0 平均成功率 93.0%，且无需额外具身预训练数据或基础模型，并提升了真实世界操作表现。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。