论文摘要 · 2026-10-07 · arXiv (Cornell University)
开发用于实时机器人控制的长视觉记忆处理技术
Long-WAM: Scaling the Context of World-Action Models
- 做了什么
- 研究团队开发了 Long-WAM，这是一种在实时约束下有效利用机器人过去视觉信息的模型。
- 核心结果
- 当使用自回归（AR）方法对处理视觉信息的基础模型进行预训练时，历史记忆的利用率达到最大化，并提高了机器人任务的成功率。
- 意义
- 证明了其能够在各种硬件环境中实时运行，有助于未来应用于复杂的长期机器人控制任务。
研究背景
实时机器人控制需要足够的视觉记录来推断动作和任务进展，但在处理此过程时可能会出现行为延迟。
方法
采用了在没有动作标签的情况下先从机器人和视点视频中学习因果预测，然后在世界-动作适应过程中保持这种结构的方法。
主要结果
在 RoboCasa 环境中，随着上下文长度的增加，成功率有所提高，并在各种基准测试中表现出优秀的性能。
局限与待确认之处
仅从摘要内容无法确认特定硬件之外的通用环境中的限制或额外成本。
术语解释
- 自回归（AR） — 基于先前数据依次预测下一个数据的方法。
- World-Action Model — 一种在预测给定环境变化的同时控制机器人行为的人工智能模型。
本摘要由 AI 根据论文摘要撰写，并经编辑审核。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。 具体数据与背景请查阅原文。
本页面整理已发表的论文、官方公告和媒体报道，仅供参考。论文摘要由 AI 根据论文摘要撰写并经编辑审核，可能与原文存在差异，重要内容请查阅原文。本页面不构成任何证券的买卖建议或投资咨询。 人事变动以官方公告或主要媒体报道为来源，部分履历参考维基数据（CC0）。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。
