WAM-TTT：用人类视频测试时训练引导世界动作模型

Yusen Feng 等作者提出 WAM-TTT 测试时训练框架，可从原始人类视频引导世界动作模型（WAM），无需机器人动作、人工标注或任务特定微调。 该框架通过自监督视频预测，把人类视频吸收进冻结 WAM 内的轻量自适应记忆，并用配对人-机器人数据的键值记忆重建目标做元训练对齐；测试时仅需无标注人类视频即可适配记忆。 作者称，该框架在多种操作任务和泛化设置上持续优于上下文人类视频条件基线。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。