NAVA-WAM 从无动作视频直接预训练动作策略,改进世界动作模型泛化
本预印本提出 NAVA-WAM,一种世界动作模型,通过未来视频流匹配直接在无动作视频上预训练动作策略,避免了中间表示或潜在动作接口。在 LIBERO、RoboTwin 2.0 以及 Franka FR3 真机实验中,该方法分别达到 99.0%、83.5%、88.5%、73.6% 和 93.3% 的成功率,并在低动作标签预算下显著优于基线。该结果展示了从规模化无动作视频中直接学习动作先验的潜力,为降低对带动作标签机器人数据的依赖提供新路径。