Trace-WAM：以3D运动预测辅助世界动作模型学习
热点事件持续更新
Trace-WAM：以3D运动预测辅助世界动作模型学习
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Xu Hu等作者提出 Trace-WAM，在世界动作模型的视频-动作学习中增加未来三维运动预测作为辅助目标，监督时序点对应、图像平面位移与深度变化，以刻画操作中的交互动态与空间变化。 方法采用三分支 Mixture-of-Transformer（Tri-MoT）架构，联合学习视频预测、运动预测与动作生成。作者称，由于动作专家不消费预测轨迹，推理仍沿用当前观测的策略路径：单次视觉前向加动作去噪。 作者称，在 RoboCasa-GR1、LIBERO 和 LIBERO-Plus 上的实验显示该方法具备较强的分布内性能与分布外泛化能力，在演示数据有限和分布偏移下相对 Fast-WAM 的提升尤为明显。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
Trace-WAM：以三维运动预测辅助世界动作模型学习报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.ROTrace-WAM：以三维运动预测辅助世界动作模型学习
Trace-WAM 提出在世界动作模型的视频-动作学习中增加未来三维运动预测作为辅助目标，监督时序点对应、图像平面位移与深度变化，直接刻画操作中的交互动态与空间变化。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月28日 12:00
- 近 24 小时变化
- –
02.557.510
12:0013:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。