OSWAM单步动作生成世界动作模型

2026年10月27日，arXiv Computer Vision 刊出 Guowen Zhang 等作者的论文，提出面向自动驾驶与具身控制的 OSWAM 世界动作模型。该工作通过构建 imagination tokens 初始化扩散过程，为随机噪声注入结构化动作先验，使直接策略世界动作模型仅需一步扩散即可生成高质量动作序列。报道称，在自动驾驶与具身控制任务中，其效果与需数十步的直接策略 WAM 和 Joint-WAM 相当或更优，速度提升约 3 倍，并在 NVIDIA RTX 5090 GPU 上实现低至 40ms 的实时编译推理延迟。目前事件进展停留在论文发布与上述实验结论层面，尚无后续跟进报道。

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。