arXiv Robotics· Timi Owolabi, Hikmah Olawore, Frances Adelakun, Ayotomiwa Oyewumi·· 5 小时前AI 评分40
SmolWAM：面向边缘设备机器人操作的潜在世界-动作模型
SmolWAM: A Latent World-Action Model for Robotic Manipulation on Edge Devices
AI 导读
SmolWAM 是从 2B 参数 Cosmos Policy 衍生的紧凑潜在世界-动作模型，仅保留 28 个 Transformer 块中的 12 个、使用 1,008 个 token，以单步 rectified-flow 同时预测动作与未来潜在表示。
推荐理由模型分析
该工作把 2B 参数的 Cosmos Policy 压缩为 12 层、单步整流流的潜在世界-动作模型，在 LIBERO 400 回合上报告 95.5% 成功率，并给出 A100 上 57ms、2.4GiB 的每 16 动作块开销，相比五步教师延迟降 11 倍、内存降 3.2 倍。关注具身智能边缘部署的读者可据此比较世界模型联合训练带来的 6.2 个百分点增益，但需注意结果来自仿真基准与 A100 实测，尚未验证真机与低端边缘 GPU 表现。
来源：arXiv Robotics · arxiv.org