论文页面 - 潜在动作作为意图：为世界动作模型实现高效未来想象

来源：https://huggingface.co/papers/2608.24882 作者：、 、 、 、 、 、 、 、 、 、

摘要

LAWA 通过使用紧凑的潜在动作，在无需生成观测的情况下保持高效的未来想象，从而提升机器人控制能力，并以更低的延迟实现强大性能。

世界动作模型 (https://huggingface.co/papers?q=World%20action%20models)（WAMs）通过对观测如何演变进行建模来改进机器人控制，但在测试时生成未来观测会带来显著的延迟。Fast-WAM 为了效率去掉了这一过程；然而，我们的匹配实现表明，Fast-WAM 的泛化能力低于感知未来的替代方案，尤其是在机器人示范数据稀缺和分布外场景中。为弥合这一差距，我们引入了 LAWA，这是一种 WAM 架构，它使用紧凑的潜在动作 (https://huggingface.co/papers?q=latent%20actions) 作为未来意图的操作表示，从而在无需生成未来观测的情况下实现高效的测试时未来想象。具体来说，一个经由无动作预训练 (https://huggingface.co/papers?q=action-free%20pre-training) 增强的离散分词器 (https://huggingface.co/papers?q=discrete%20tokenizer) 生成以操作为中心的码本 (https://huggingface.co/papers?q=codebook) 目标。LAWA 联合去噪一个锚定到这些目标的连续潜在状态 (https://huggingface.co/papers?q=latent%20state) 和可执行的动作块 (https://huggingface.co/papers?q=action%20chunks)，同时在推理时省略了未来视频分支 (https://huggingface.co/papers?q=future-video%20branch)。在 RoboCasa 上，LAWA 在少样本和全数据设置下分别取得了 65.6% 和 80.8% 的最先进平均成功率，相比匹配的 Fast-WAM 基线分别提升了 9.6 和 4.5 个百分点。它还保持了匹配的 Joint-WAM 变体的性能水平，同时将推理延迟 (https://huggingface.co/papers?q=inference%20latency) 降低了 42.9%。LAWA 在 LIBERO-Plus 上也展现了有竞争力的零样本鲁棒性，并在真实世界任务中表现出卓越的性能。这些结果表明，未来想象无需被抛弃：通过紧凑的潜在动作 (https://huggingface.co/papers?q=latent%20actions) 来保留它，能在性能、泛化和延迟之间取得有效的权衡。代码和模型将会发布。

查看 arXiv 页面 (https://arxiv.org/abs/2608.24882)查看 PDF (https://arxiv.org/pdf/2608.24882)项目页面 (https://getterupper.github.io/LAWA)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.24882)

在您的代理中获取此论文：

hf papers read 2608\.24882

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

引用此论文的模型 0

没有模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2608.24882 以从此页面链接它。

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/2608.24882 以从此页面链接它。

引用此论文的 Spaces 0

没有 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2608.24882 以从此页面链接它。

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) 以从此页面链接它。