NVIDIA RTX 5090 GPU

OSWAM 实现一步式动作生成，用于实时控制

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。