论文页 - GigaWorld-Policy-0.5: 一个由AutoResearch驱动的更快更强的WAM

来源: https://huggingface.co/papers/2607.13960 作者:

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

世界动作模型（WAMs）通过联合建模动作和未来视觉观测来改进机器人策略学习，利用未来场景演化作为密集监督信号，实现基于物理的动作生成。然而，现有WAM的一个常见设计是在推理时显式生成未来视频，这带来了大量计算开销，阻碍了实时闭环部署。GigaWorld-Policy通过以动作为中心的公式解决了这一问题：训练时使用未来视觉动态，推理时仅解码动作。在此框架基础上，我们提出了GigaWorld-Policy-0.5，一个增强的以动作为中心的WAM，专为更高效的机器人控制而设计。在预训练阶段，GigaWorld-Policy-0.5采用混合的动作条件世界建模（AC-WM）与WAM训练策略。这增强了视觉动态与机器人动作之间的耦合，并提高了动作表示在下游策略学习中的可迁移性。为了实现高效推理，GigaWorld-Policy-0.5引入了混合Transformer架构，将视觉动态建模和动作生成分离到专门的专家模块中，在仅动作推理时减少活跃计算，在本地RTX 4090设置上实现了85ms的推理延迟。此外，我们采用基于智能体的AutoResearch管线系统性地搜索训练配置，从而在减少超参数调优所需时间和人工干预的同时，更高效地识别最优实验设置。实验和消融研究表明，GigaWorld-Policy-0.5保留了未来视觉动态的训练优势，同时提高了机器人控制的推理效率。

查看 arXiv 页面 (https://arxiv.org/abs/2607.13960)查看 PDF (https://arxiv.org/pdf/2607.13960)项目页面 (https://open-gigaai.github.io/giga-world-policy/)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.13960)

在你的智能体中获取此论文：

hf papers read 2607\.13960

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型1

open-gigaai/Giga-World-Policy-0.5 更新于约3小时前 • 4 (https://huggingface.co/open-gigaai/Giga-World-Policy-0.5)

引用此论文的数据集0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2607.13960，以从本页链接。

引用此论文的 Spaces0

没有 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2607.13960，以从本页链接。

包含此论文的收藏0

没有收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection)中，以从本页链接。