GlanceWAM：面向世界—动作模型的稀疏测试时想象

英文标题：GlanceWAM: Sparse Test-Time Imagination for World-Action Models

论文提出 GlanceWAM，一种用于世界—动作模型（WAM）的稀疏测试时想象方法。视频生成模型能够为机器人学习提供丰富的物理先验，但现有 WAM 面临关键权衡：以控制频率同步生成视频会带来难以接受的延迟，而完全放弃测试时视觉想象又会损失预测能力。该工作旨在通过稀疏地进行测试时视觉想象，在计算延迟与决策所需的环境预测之间取得平衡。对开发者而言，这一方向有望提升视频世界模型在实时机器人控制场景中的可用性。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB