TS-WAM视觉语言机器人控制方法发布

2026年10月16日，arXiv Robotics 刊出 Menghao Yin 等作者的论文，发布面向视觉-语言机器人控制的 TS-WAM 方法。据该报道，TS-WAM 是一种轻量级师生世界-动作模型，通过自监督时序学习和显式未来预测，从机器人演示与无动作人类视频等异构数据中学习。其 vlm-jepa 框架用 EMA 目标分支替代独立外部教师，并与 delta-lwm 耦合，由当前观测和指令预测潜动作及未来视觉特征以引导动作生成，推理时移除 EMA 分支。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

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。