论文页面 - Light-WAM：基于状态融合动作解码的高效世界动作模型

来源：https://huggingface.co/papers/2606.08242

摘要

Light-WAM 是一种轻量级世界动作模型，专为机器人操作任务设计。它采用紧凑的视频骨干网络和降采样潜在空间，以实现高效未来视频监督，并结合 StateFusionActionExpert 直接预测动作。

世界动作模型（https://huggingface.co/papers?q=World%20Action%20Models）（WAMs）通过将未来预测（https://huggingface.co/papers?q=future%20prediction）作为额外训练目标扩展了机器人策略学习（https://huggingface.co/papers?q=robot%20policy%20learning），从而促使策略在其表征中编码与任务相关的时间结构。当前的世界动作模型通常依赖于大规模生成式架构（https://huggingface.co/papers?q=generative%20architectures），这导致训练成本高且推理延迟（https://huggingface.co/papers?q=inference%20latency）大，难以部署为高效的闭环策略。我们提出 Light-WAM，一种用于高效机器人操作的轻量级世界动作模型。具体来说，它采用紧凑的视频骨干网络（https://huggingface.co/papers?q=video%20backbone），并在降采样的潜在空间（https://huggingface.co/papers?q=downsampled%20latent%20space）中进行未来视频监督，从而降低视频协同训练成本，同时保留其对表征学习的益处。在动作预测方面，Light-WAM 引入了 StateFusionActionExpert（https://huggingface.co/papers?q=StateFusionActionExpert），该模块从多个骨干网络层读取适配状态，通过可学习查询池化（https://huggingface.co/papers?q=learned-query%20pooling）进行融合，并在单次前向传播中直接预测动作片段（https://huggingface.co/papers?q=action%20chunks）。这种设计为视频骨干网络（https://huggingface.co/papers?q=video%20backbone）表征与机器人动作之间提供了高效接口，避免了对重型生成式动作专家的依赖。实验表明，Light-WAM 在 LIBERO 上保持了强劲性能，并在 RoboTwin 2.0 上实现了可用的多任务性能，同时仅使用了 0.44B 可训练参数。它还实现了 72.03ms 的推理延迟（https://huggingface.co/papers?q=inference%20latency），峰值 GPU 内存为 4.1GiB，并提升了训练吞吐量（https://huggingface.co/papers?q=training%20throughput）。

查看 arXiv 页面（https://arxiv.org/abs/2606.08242）查看 PDF（https://arxiv.org/pdf/2606.08242）GitHub25（https://github.com/L1ziang/Light-WAM）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.08242）

在您的智能体中获取此论文：

hf papers read 2606.08242

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

引用此论文的模型1

l1ziang/lightwam-checkpoints 更新于约10小时前（https://huggingface.co/l1ziang/lightwam-checkpoints）

引用此论文的数据集1

l1ziang/lightwam-offline-cache 更新于约10小时前 • 50（https://huggingface.co/datasets/l1ziang/lightwam-offline-cache）

引用此论文的 Spaces0

没有链接此论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2606.08242 以从此页面链接。

包含此论文的收藏集0

没有包含此论文的收藏集

添加此论文到一个收藏集（https://huggingface.co/new-collection）以从此页面链接。