UniWALM统一世界-动作-语言模型发布

Rahul Sajnani等研究者提出UniWALM，一个在单一共享表示中同时学习视频、动作和语言的机器人操作模型，每种模态既作条件信号也作监督目标；团队还提出Flow Matching with Correction（FMC）训练目标，让模型从扰动的动作轨迹中恢复，推理时不增加额外开销。 在真实世界的Find-the-Item任务上，生成文本记忆使成功率从11.1%提升到61.1%，而现有先进VLA模型成功率不高于随机水平（≤33.3%）。该成果为25页预印本，发布于arXiv cs.RO。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。