UniWALM 统一世界-动作-语言模型用于机器人控制

Rahul Sajnani 等作者提交预印本论文，提出统一世界-动作-语言模型 UniWALM，用于具身机器人控制。该模型将视频、动作与语言放在单一 mixture-of-transformers 主干中学习，每种模态既是条件信号也是监督目标。 据论文描述，各模态的扩散头同步去噪，模型无需独立的规划阶段，即可在同一次前向中解码子任务与文本记忆。上述效果均为作者在预印本中的表述。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。