ProWAM：渐进式视觉规划的世界动作模型
原文标题：World Action Modeling with Progressive Visual Planning
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究提出ProWAM，一种联合预测动作和有序稀疏视觉子目标序列的渐进式世界动作模型，为任务执行中的动作生成提供显式视觉引导。该设计可从大规模无动作视频中学习子目标预测，将复杂视觉规划从动作策略中卸载。在LIBERO-Plus和RoboTwin等基准上取得新最优结果，零样本真实世界实验中成功率达70.0%，超越最强基线15个百分点。
- 问题
- 现有世界动作模型长程预测低效，只预测单帧又缺乏向目标推进的引导。
- 方法
- ProWAM联合预测动作与有序稀疏视觉子目标序列，单次前向缓存子目标特征，避免迭代生成完整视频。
- 结果
- LIBERO-Plus达85.8%，随机RoboTwin达75.7%，相对最强基线最高提升35.9%；零样本真机成功率70.0%，超基线15个百分点。
- 影响
- 机器人策略可用无动作视频学习视觉规划，长程任务控制更省算力，适合落地部署。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ProWAM用稀疏子目标替代密集视频预测，零样本真机成功率70%，超最强基线15个百分点。
- •联合预测动作与有序稀疏视觉子目标，为动作生成提供显式视觉引导
- •子目标预测可从大规模无动作视频学习，把视觉规划从动作策略中卸载
- •仿真上LIBERO-Plus达85.8%、随机化RoboTwin达75.7%，相对提升最高35.9%
- •仅需一次视频骨干前向缓存子目标特征，重规划时只做轻量动作去噪
- •零样本真实世界实验成功率70.0%，比最强基线高15个百分点
为什么重要：长程机器人控制中密集视频生成效率低，稀疏子目标路线若成立，可让策略复用无动作视频数据，降低真机数据依赖。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。