研究者提出 MetaWAM,把本体感知、动作等低维机器人信号打包进统一元帧,注入冻结的视频扩散模型,无需新增模块或改动架构;RoboCasa 成功率 68.9%,推理延迟降低 39%,三项 Franka 真机任务成功率 85.0%,代码与模型已开源。
正文完
研究者提出 MetaWAM,把本体感知、动作等低维机器人信号打包进统一元帧,注入冻结的视频扩散模型,无需新增模块或改动架构;RoboCasa 成功率 68.9%,推理延迟降低 39%,三项 Franka 真机任务成功率 85.0%,代码与模型已开源。