World Action ModelsFortgeschritten
Completion Aware Guidance verbessert World Action Models ohne Nachtraining
Der Preprint stellt Completion Aware Guidance (CAG) vor, eine trainingsfreie Sampling-Methode für World Action Models. CAG verstärkt während der Inferenz die für die aktuelle Vorhersage relevanten Instruktionsanteile und reduziert so die als task-incomplete imagination bezeichnete Fehlerart. In Simulationen steigt die Erfolgsquote bei DreamZero und Fast-WAM auf einem RoboTwin-2.0-Subset von 64,4 % auf 70,0 % und in Zero-Shot-Aufgaben von 69 % auf 75 %.