研究人员开发了ImageWAM，一个利用预训练图像编辑模型进行机器人控制的新框架，挑战了世界动作模型（WAMs）中视频生成的必要性。该方法通过专注于与动作相关的视觉转换而非完整的视频预测，显著降低了计算成本和推理时间。实验表明，ImageWAM在模拟和现实世界场景中均优于现有基线，与基于视频的WAMs相比，FLOPs减少了1/6，延迟减少了1/4。 AI
影响 通过利用现有的图像编辑能力，这种方法有望为机器人技术带来更高效、更具成本效益的AI系统。
排序理由 该集群包含一篇详细介绍机器人控制新方法的论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
ImageWAM demonstrates that pretrained image editing models can effectively replace video generation in world action models for robot control, achieving better performance with reduced computational costs.
arXiv:2606.19531v1 Announce Type: new Abstract: World Action Models (WAMs) commonly rely on video generation to bridge visual world modeling and robot control. However, video-based WAMs face three coupled limitations: dense multi-frame future tokens make inference costly, full vi…