Box-WAM：用边界框轨迹替代视频预测的世界动作模型

2026年10月15日，arXiv Artificial Intelligence 刊出 Qinxi Yu 等作者的预印本，提出 Box-WAM 世界动作模型。该工作用任务相关物体的有向边界框轨迹替代密集未来帧，作为世界动作模型的紧凑状态表示，通过显式预测以物体为中心的未来运动，在降低训练与推理计算成本的同时提升动作预测性能。作者据此认为，物体中心的紧凑状态可作为机器人操作中基于视频的世界动作建模的高效替代方案。目前事件仍处论文预印本阶段，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。