标签
PointWAM 提出了一种三维世界动作模型，将世界分解为场景与手两部分，并将两者联合预测为三维点轨迹，从而实现灵巧的机器人操作。在人类演示视频上的预训练使 DexJoCo 成功率提升了 56.9 个百分点，超过此前最优方法 11.7 个百分点，并在真实机器人上优于强大的 VLA 模型。