robot-action

提出了ForeWAM，一种直接策略世界行动模型，通过隐藏的未来槽KV状态为动作生成提供预测上下文，避免显式未来视频解码，同时在LIBERO基准上实现了高成功率。

RxBrain是一个具身认知基础模型，它通过语言和视觉想象联合推理来表征具身规划，采用统一的多模态混合Transformer架构。无需大规模动作数据即可在真实机器人上取得良好表现。