World Action Model
PulseAugur coverage of World Action Model — every cluster mentioning World Action Model across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的AI模型通过改进的记忆和规划能力推动机器人操作发展
研究人员开发了新的机器人操作方法，提高了在长时任务中的性能。2AM系统将任务记忆与动作模型分离，实现了更精确的控制，并在LIBERO-Mem数据集上比现有基线提高了61.5分。DUET-DINO是另一项进展，它使用同时跨视图世界建模来增强潜在规划，实现完整的7-DoF末端执行器控制，在到达任务上以高达92%的成功率超越了单视图模型。GE-Act 2.0专注于从头开始预训练和扩展世界-动作模型，通过更多的训练数据展示了显著的成功率提升，…
-
Galaxy General 推出 WAM-TTT，使机器人能够从人类视频中学习
Galaxy General 发布了全球首个用于具身人工智能模型的测试时训练（TTT）框架 WAM-TTT。该框架允许机器人在物理环境中利用人类演示视频进行实时学习和适应，解决了泛化能力衰减的关键问题。通过冻结基础模型并更新轻量级记忆模块，WAM-TTT 显著降低了数据收集成本，并实现了持续学习而不会发生灾难性遗忘，为具身人工智能的可扩展部署铺平了道路。
-
Itashi Intelligence发布以人为本数据和世界模型驱动的具身AI 2.0
具身智能初创公司Itashi Intelligence在ICRA 2026上发布了其“2.0时代”的进展，重点关注从数据收集到模型和硬件执行的完整流程。该公司强调，与依赖远程操作数据和VLM模型的“1.0时代”的局限性相比，正转向一种更具可扩展性的方法，采用以人为本的数据和世界动作模型。Itashi强调其专有的数据收集设备和独特的技能转移训练范式是实现高精度任务（如柔性线束组装）的关键差异化因素。
-
Galbot创始人：具身AI临近AlphaGo、ChatGPT里程碑
Galbot创始人兼首席技术官王贺在ICRA 2026上表示，具身智能正接近其“AlphaGo”和“ChatGPT”时刻。该公司在自主人形机器人网球比赛和灵巧手操作方面取得了突破，展示了先进的Sim2Real能力。王贺还介绍了世界动作模型（WAM）及其最新迭代LDA，该模型能够实现长时任务和跨不同机器人配置的泛化，并在便利店和仓库等现实场景中成功部署。