arXiv cs.RO· Yonghao Yu, Lang Huang, Runyi Li, Toshihiko Yamasaki·· 1 天前AI 评分60
JAM：统一 VLA 与 WAM 的动作模型框架
Vision-Language-Action or World-Action? Just Action Models
AI 导读
作者提出 Just Action Model（JAM）框架，把 VLA 与 WAM 的差异拆解为骨干初始化、未来观测损失目标和推理时是否保留该损失机制三个可分离选择，统一为“预训练视觉骨干加动作专家、用动作损失与前瞻损失训练”的结构。
来源：arXiv cs.RO · arxiv.org