标签
DeltaWAM 引入了基于 Delta 的世界行动模型用于双臂操作，通过预测视觉变化和行动来提升效率和性能。它展示了成功率的提升和计算开销的降低。
本文提出了RoboDawn，一种将视觉语言模型智能迁移至机器人控制的方法。该方法通过零样本和单样本学习在基准测试中取得了先进结果，并在真实世界应用中验证成功。
本文介绍了 ODEWorld，一种使用物理时间流（PT-Flow）的连续时间潜在世界模型，该模型学习由常微分方程参数化的潜在速度场，能够实现任意时间分辨率、回溯预测，并改进视频生成和机器人控制的规划。
本文介绍了上下文世界建模（ICWM），这是一个使机器人策略能够从自身生成的交互中推断系统变量的框架，通过将系统识别视为一个上下文自适应问题，无需参数更新即可适应新的配置。在模拟和真实世界实验中，它在处理新的相机视角时优于标准的VLA基线。
介绍了WarmPrior，该方法将流匹配策略中的标准高斯源替换为来自近期动作历史的时间约束先验，通过生成更直的路径概率，持续提升机器人操控任务的成功率。