对应论文
视频简介
机器人长时程任务需要保留历史,而许多世界–动作模型只利用短观测窗口,部署时还面临视频预测的时延。 Long-WAM以自回归世界视频预训练建立对长历史的利用能力,再结合世界–动作训练及流式/异步运行;对历史长度、预训练方式与部署进行比较。 以自回归视频预训练让世界–动作模型利用长历史,并配套流式/异步部署;4仿真基准、G1/YAM两实机验证,RoboCasa0→19.2秒历史63.3%→78.7%,动态堆杯95%对若干基线0/20,RTX5090动作块107.4毫秒。 未达到paradigm:预训练约30720 H100 GPU小时且实机任务/试次有限,未证实廉价通用自主学习。