FRED自蒸馏框架提升WAM未来视频表征

2026年10月23日，arXiv Robotics 报道了 Huiwon Jang 等作者提出的 FRED（Future REpresentation learning via self-Distillation with temporal context）框架。该框架通过自蒸馏，让世界动作模型（WAM）在单步去噪中从噪声预测未来视频表征，并以真实未来观测提取的表征为目标，同时用历史观测提供时间上下文。报道称，在多种真实操作场景中，FRED 稳定优于对比 WAM，在长时程与零样本环境泛化的域外任务上提升尤为明显；在仅有真人视频演示、机器人训练数据缺失的任务上，其成功率达 50.0%，最佳对比 WAM 为 19.4%。目前该事件仅有这一篇主报道，尚无后续跟进报道，上述性能数字均来自该报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。