标签
Long-WAM 提出了一种在实时控制约束下扩展因果世界-动作模型（world-action model）上下文的模型-系统框架，研究发现：更长的视觉历史仅在视频基础模型采用自回归方式预训练时才会带来显著效果——在 RoboCasa GR-1 上，其将成功率从 63.3% 提升至 78.7%；而在 Unitree G1 实机上，实现了 95% 的动态杯子堆叠成功率。
WorldPlay2 是一种交互式世界模型，集成了分解式混合控制接口、压缩记忆和稳定蒸馏，以在控制任务中实现实时响应性和长时一致性。
本文介绍了一种方法，将视觉-语言-动作模型中的动作生成分离为慢层和快层，从而实现实时反应式机器人控制，并将成功率从42%提高到97%，仅需10分钟的在线数据。
πR^2 提出了一种面向机器人操作的反应式实时流策略，将条件输入分为快速通道和慢速通道，并采用延迟自适应流调度，使得闭环重规划速度比基线策略快约4倍，成功率最高提升30%。