WAVE-0以轻量级潜在未来预测连接VLA策略与WAM
WAVE-0为视觉-语言-动作（VLA）策略加入轻量级世界模型，通过预测未来状态来指导动作生成。其2.57亿参数模型将潜在动作计划转换为预测的未来表征。训练直接使用真实机器人动作和反事实排序目标，无需像素重建或大规模视频预训练。WAVE-0在RoboTwin 2.0和LIBERO上的成功率分别为91.47%和98.7%。在真实任务中，π₀.₅的成功率从38.3%提升至73.3%。结果表明，该方法提升了操作表现，并能泛化到多种分布偏移情境。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。