论文页面 - InternW0-Δ：一个连接预测动力学与动作的世界行动模型，基于20K+小时的开放数据

来源：https://huggingface.co/papers/2609.31394 发布于9月25日

#2 每日论文 (https://huggingface.co/papers/date/2026-09-28) 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

世界行动模型（WAMs）联合建模视觉动力学与动作生成，以实现通用机器人操控。一个核心挑战是将来自大规模预训练模型的先验知识——包括视觉动力学、场景语义、几何与运动——整合到一个统一的框架中，用于机器人动作生成。我们推出了InternW0-Δ，一个在异构语料库上进行预训练的统一WAM，其性能在仿真基准测试和真实机器人平台上超越了先前的方法。InternW0-Δ在混合Transformer（MoT）框架内结合了预训练的视觉动力学、场景级语义、4D几何与运动先验以及动作生成。一个预训练的视频专家与动作专家在冻结VLM提供的语义指导下进行交互，同时一个预训练的4D基础模型通过仅训练蒸馏注入几何与运动先验。我们进一步引入了“因果印记”，它从仅训练的未来监督中学习与未来相关的场景变化，并在推理时无需未来视频展开即可直接向动作专家提供预测性表示。为了进行大规模联合训练，我们构建了一个包含机器人演示、UMI数据、以自我为中心的人类演示和Ego2Robot数据的异构语料库，这些数据在共同的状态-动作表示下进行了策划与对齐。生成的语料库包含超过20K小时的处理后训练数据，据我们所知，这是同类中最大的开源语料库。我们在此语料库上对InternW0-Δ进行了预训练，并展示了其在仿真基准测试和真实机器人平台上的强大性能。在许可允许的情况下，我们将开源训练代码、模型权重、基础设施、数据处理流程和处理后的数据。项目页面：https://internrobotics.github.io/InternW0-Delta/

查看arXiv页面 (https://arxiv.org/abs/2609.31394) 查看PDF (https://arxiv.org/pdf/2609.31394) 项目页面 (https://internrobotics.github.io/InternW0-Delta/) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.31394)

在您的代理中获取本文：

hf papers read 2609.31394

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

引用本文的模型0

没有模型链接此论文

在模型的README.md中引用arxiv.org/abs/2609.31394，即可从本页面链接。

引用本文的数据集0

没有数据集链接此论文

在数据集的README.md中引用arxiv.org/abs/2609.31394，即可从本页面链接。

引用本文的Spaces0

没有Space链接此论文

在Space的README.md中引用arxiv.org/abs/2609.31394，即可从本页面链接。

包含本文的合集0

没有合集包含此论文

将此论文添加到合集 (https://huggingface.co/new-collection) 即可从本页面链接。