Fast-WAM
PulseAugur coverage of Fast-WAM — every cluster mentioning Fast-WAM across labs, papers, and developer communities, ranked by signal.
-
星海图发布G0.5模型、Kengo机器人及数据计划
专注于具身AI的公司星海图在其全球开发者大会上发布了其新的VLA基础模型G0.5和Kengo双足机器人。该公司强调三层技术路线：本能智能、任务智能和进化智能，其中G0.5目前支持任务智能。星海图还优先收集高质量的真实世界数据，目标是达到一百万小时，并通过投资和孵化计划培育生态系统，为具身AI发展的预期平台阶段做好准备。
-
ACE ROBOTICS 的 Kairos 世界模型树立了新的具身人工智能基准
ACE ROBOTICS 发布了其 Kairos 世界模型，该模型在四个主要的具身人工智能基准测试中取得了最高排名：RoboTwin 2.0、LIBERO-Plus、WorldModelBench Robot 和 DreamGen。该模型采用了一种新颖的统一架构，用于多模态理解、生成和预测，解决了现有视频生成模型的局限性。Kairos 已向行业开源。
-
新的C3ache方法加速了机器人世界动作模型
研究人员开发了一种名为C$^3$ache的新方法，以加速世界动作模型（WAMs）的推理过程。WAMs以其在机器人技术中的强大泛化能力而闻名，但由于多步去噪过程，计算成本很高。C$^3$ache通过缓存和重用不同推理块中的计算残差来解决这个问题，在不显著影响任务成功率的情况下实现了高达2.5倍的速度提升。
-
新型机器人模型AHA-WAM解耦规划与执行
研究人员开发了AHA-WAM，一种新颖的异步世界-动作模型，用于机器人操作，通过解耦世界预测和动作执行来提高效率。该模型采用双扩散Transformer架构，一个Transformer作为低频世界规划器，另一个作为高频动作执行器。实验表明，AHA-WAM在机器人任务上取得了最先进的性能，包括比以前的方法快4.59倍。
-
基于17,800小时真实机器人数据训练的开源具身世界模型
研究人员推出了τ0-World Model (τ0-WM)，这是一个开源的具身世界模型，在海量的30,000小时数据上进行了训练，其中大部分（17,800小时）来自真实机器人远程操作。该模型超越了预测未来状态的能力，通过引入测试时计算（Test-Time Computation），使机器人在执行前能够评估和选择最优动作，甚至纠正潜在错误。与之前的模型相比，τ0-WM在复杂操作任务上表现出更优异的性能，挑战了仅将真实世界数据用于微调的传统方法。