Embodied policy专业
EWAM统一具身模型实现语义、视觉预测、动作的内部递进分工
EWAM是一种以动作流为核心的一体化具身模型,通过非对称联合注意力让动作token在每层读取语义、当前视觉、预测未来和动作信息。在RoboTwin clean-to-random测试中达到72.1%,LIBERO平均98.8%,并在多个真实机器人上超过VLA、WAM和混合基线。该预印本显示统一训练可诱导从语义理解、视觉预测到动作生成的内部有序计算,且人类自我中心数据可提升跨具身迁移和真实场景鲁棒性。
机器人与具身智能领域的最新论文,以及每篇对产业的意义。
EWAM是一种以动作流为核心的一体化具身模型,通过非对称联合注意力让动作token在每层读取语义、当前视觉、预测未来和动作信息。在RoboTwin clean-to-random测试中达到72.1%,LIBERO平均98.8%,并在多个真实机器人上超过VLA、WAM和混合基线。该预印本显示统一训练可诱导从语义理解、视觉预测到动作生成的内部有序计算,且人类自我中心数据可提升跨具身迁移和真实场景鲁棒性。
论文来自 arXiv 机器人领域。尚未生成摘要的论文,显示摘要开头部分。