研究人员开发了 OSWAM,这是一种新颖的世界动作模型 (WAM),旨在实现自主驾驶和具身控制中高效的实时动作生成。与需要大量去噪步骤的先前 WAM 不同,OSWAM 通过结合结构化动作先验(通过“想象令牌”)并使用具有未来条件的特权信息蒸馏,一步实现了高质量的动作生成。这种方法显著降低了延迟,使得在 NVIDIA RTX 5090 GPU 上仅需 40 毫秒即可实现实时推理,并且在性能上与多步方法相当或更优。 AI
影响 通过大幅降低推理延迟,实现实时人工智能控制系统。
排序理由 详细介绍新模型和方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →