arXiv Robotics· Menghao Yin, Jiaju Yin, Xiyue Dong, Lixin Xu, Zhenhui Zhang, Ke Zhang, Yating Feng, Renjing Xu·· 2 小时前AI 评分24
TS-WAM：面向视觉-语言机器人控制的时序潜动作与世界-动作耦合
TS-WAM: Temporal Latent Actions and World-Action Coupling for Vision-Language Robot Control
AI 导读
TS-WAM 是一种轻量级师生世界-动作模型，通过自监督时序学习和显式未来预测，从机器人演示与无动作人类视频等异构数据中学习。其 vlm-jepa 框架用 EMA 目标分支替代独立外部教师，并与 delta-lwm 耦合，由当前观测和指令预测潜动作及未来视觉特征以引导动作生成，推理时移除 EMA 分支。
来源：arXiv Robotics · arxiv.org