arXiv cs.AI· Jingbo Xu, Jianjie Fang, Zhuohang Li, Zihao Song, Zhaolu Wang, Xvyuan Liu, Xin Zhang, Haisheng Su, Yinzhou Tang, Chen Gao, Wei Wu, Yong Li·· 3 天前AI 评分27
UniW(A)M：统一世界模型与世界-动作模型的混合专家框架
UniW(A)M: A Unified Mixture-of-Experts Framework for World and World-Action Models
AI 导读
研究者提出 UniW(A)M，一个基于扩散 Transformer 的混合专家框架，统一了动作条件世界建模与多种世界-动作模型（WAM）变体，共享专家捕捉通用动力学，原子能力专家跨接口复用。
正文 · AI 翻译
作者：Jingbo Xu、Jianjie Fang、Zhuohang Li、Zihao Song、Zhaolu Wang、Xvyuan Liu、Xin Zhang、Haisheng Su、Yinzhou Tang、Chen Gao、Wei Wu、Yong Li
摘要：世界模型（WM）与世界-动作模型（WAM）分别聚焦于未来世界预测与可执行动作生成。尽管这些模型从具身轨迹中学习共享的物理动力学与交互语义，但它们通常被孤立地训练，这限制了预测与控制之间的知识复用。因此，核心挑战在于开发一个统一的学习框架，既能共享这些动力学，又能保留每种范式所需的独特建模能力。
我们提出 UniW(A)M，一种基于扩散 Transformer 的专家混合世界-（动作）模型，统一了动作条件世界建模与多种 WAM 变体。共享专家捕获共同动力学，而原子能力专家在各接口间复用，使每个接口保留其自身的条件路径。在部署时，即插即用自适应接口路由器（PAIR）从目标任务 chunk 场景的一小部分子集中学习，为每个执行 chunk 选择合适的 WAM 接口，在保持主干冻结的同时平衡任务成功率与执行效率。
我们在 LIBERO、RoboTwin 2.0 以及三个真实世界操作任务上评估 UniW(A)M，其平均真实世界成功率达到 88.3%，而最强基线为 76.7%。在 WorldArena 上，它在全部三个任务上领先于动作条件世界建模。AC-WM 协同训练对每个动作接口的动作生成均有贡献，PAIR 将 OOD 成功率从 63.3% 提升至 76.7%。
| 评论： | 正在 ICLR 2027 审稿中。34 页，19 幅图，15 张表 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.18697 [cs.RO] |
| （或 arXiv:2610.18697v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18697 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jingbo Xu [查看邮箱]
[v1]
2026年10月13日星期二 16:47:16 UTC（17,627 KB）
来源：arXiv cs.AI · arxiv.org