论文页面 - Rolling-WAM：基于滚动想象的视觉动作世界模型

来源：https://huggingface.co/papers/2609.30247 作者：

,

,

,

,

,

,

,

,

,

摘要

视觉动作世界模型（WAM）将动作生成与未来视觉预测相结合，以应用于机器人操作任务。然而，在每个重规划周期内完成联合视频-动作去噪过程会产生较大延迟，从而减慢动作更新速度并限制闭环响应性。我们提出Rolling-WAM，一种将联合去噪过程分散到连续重规划周期中的建模方法。该方法维护一个处于不同噪声水平的视频-动作块滑动窗口。在每个步骤中，滚动噪声调度会完全去噪当前即将执行的动作块，同时部分优化更远未来的动作块。随着窗口随新的相机观测数据向前推进，保留的未来块会持续其去噪过程。这种方法将计算成本分摊到时间维度上，并在块边界之间传递动态演变的视觉-动作上下文信息。在LIBERO、RoboTwin仿真环境以及真实世界的Unitree G1人形机器人上的评估表明，Rolling-WAM取得了具有竞争力的操作性能。通过消除从头去噪整个预测时域的需求，相比标准联合WAM模型，该方法实现了4.5倍的稳态重规划加速比。

查看arXiv页面 (https://arxiv.org/abs/2609.30247)查看PDF (https://arxiv.org/pdf/2609.30247)项目主页 (https://rolling-wam.github.io/)GitHub4 (https://github.com/zyinghua/Rolling-WAM)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.30247)

通过代理获取此论文：

hf papers read 2609\.30247

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

引用本文的模型0

暂无模型链接此论文

在模型README.md中引用 arxiv.org/abs/2609.30247 以从本页面建立链接。

引用本文的数据集0

暂无数据集链接此论文

在数据集README.md中引用 arxiv.org/abs/2609.30247 以从本页面建立链接。

引用本文的Spaces0

暂无Space链接此论文

在Space的README.md中引用 arxiv.org/abs/2609.30247 以从本页面建立链接。

包含本文的合集0

暂无合集收录本文

将本文添加到合集 (https://huggingface.co/new-collection)以从本页面建立链接。