ActiveWAM: Evidenzbewusste aktive Sicht für World-Action-Modelle
ActiveWAM ist ein Preprint, das ein einheitliches World-Action-Modell für bimanuale Manipulation mit aktiver Kamera vorstellt. Es lernt gemeinsam Arm- und Schwenk-/Neige-Kameraaktionen und bewahrt aufgabenrelevante visuelle Evidenz durch trainierzeitliche Historie-Inversion, ohne zur Laufzeit Inversion oder Kandidatenranking zu benötigen. Das Modell erreicht auf TAVIS und RoboTwin-AV Verbesserungen von bis zu 17,0 beziehungsweise 20,0 Prozentpunkten gegenüber starken Baselines und liegt bei realen Küchenaufgaben um 26,7 Punkte über Fast-WAM.