InternW0-Δ：连接预测动力学与动作的世界动作模型，使用逾2万小时开放数据训练
InternW0-Δ是一种世界动作模型（WAM），面向通用机器人操作，同时建模视觉动态与动作生成。它在混合变换器（Mixture-of-Transformers）框架中整合预训练视觉动态、场景语义以及几何和运动先验。其Causal Imprint方法在训练阶段利用未来信息，使模型在推理时无需生成未来视频，也能向动作专家提供预测表征。团队构建了包含机器人演示和人类第一视角数据的异构数据集，并称处理后的训练数据超过2万小时。团队报告称，InternW0-Δ在仿真基准测试和真实机器人平台上表现良好。代码、模型权重及其他资源将在许可证允许的范围内开放。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。