PulseAugur
实时 10:29:02
English(EN) Keep the Future, Drop the Rollout: RIFT for World Action Models

RIFT 方法通过移除迭代视频推出,将机器人动作延迟削减

研究人员开发了 RIFT(Rollout-free Imagination via Future Tokens),一种用于世界动作模型(WAMs)的新颖方法,通过消除迭代视频推出显著降低了延迟。通过使用学习到的预期令牌在单次传递中构建未来的键/值缓存,RIFT 在机器人任务上保持了高成功率。这种方法在实现与传统的基于推出(rollout-based)的方法相当的性能的同时,大幅缩短了动作块(action-chunk)的延迟,并在 LIBERORoboTwin 2.0 等基准测试中证明了其有效性。 AI

影响 降低了机器人控制系统的延迟,可能为更快、更具响应性的现实世界 AI 应用提供支持。

排序理由 关于机器人领域新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

RIFT 方法通过移除迭代视频推出,将机器人动作延迟削减

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Chushan Zhang, Jinguang Tong, Xuesong Li, Yikai Wang, Hongdong Li ·

    保留未来,放弃推广:RIFT用于世界行动模型

    arXiv:2608.11521v1 Announce Type: cross Abstract: World action models (WAMs) condition robot actions on predicted futures, but iterative video rollout increases deployment latency. We ask whether action generation requires the evolving rollout trajectory or only its future repres…