arXiv Robotics· Jialin Tian, Zhuofan Li, Xinkai Wang, Bokai Lin, Chenyi Wang, Xinyu Zhan, Cewu Lu, Lixin Yang·· 2 小时前AI 评分38
UniFlowWAM：融合视觉语义与 4D 几何的统一世界-动作模型
UniFlowWAM: A Unified World-Action Model with Visual Semantics and 4D Geometry
AI 导读
UniFlowWAM 将 3D 场景流作为与视觉、动作并列的第三模态，构建出同时覆盖视觉语义与 4D 几何的世界表示。该模型为扩散 Transformer，每个模态各设一个专家并通过联合注意力交换信息，在十目标角色网格下训练，可同时充当策略、前向/逆向动力学及未来视觉特征或 3D 流预测器。
来源：arXiv Robotics · arxiv.org