全球首個事件層級的具身智能世界模型,終結了機器人的逐幀學習
5月29日,Variable Robot團隊發表了WALL-WM,這是全球首個基於「事件層級預測」建構的具身智能世界模型。 該模型擺脫了傳統具身大型模型依時間逐幀學習動作的模式,轉而將世界模型的預測單元切換為語義事件。這標誌著機器人理解與執行任務方式邁入新階段。

在當前的具身智能領域,主流的視覺-語言-動作(VLA)模型通常會根據當前影像與指令,預測出固定長度的動作區塊。這種逐幀訓練的方法,往往導致機器人過度關注細微的肢體動作,卻忽略了動作的最終目標。 當面對更換杯子或桌子等情境時,機器人常因缺乏泛化能力而失敗。為解決此產業痛點,Variable 團隊在其學術論文中指出,文字、視覺與動作資訊在現實世界中,天然存在於不同的時間尺度與流形幾何結構中。 若強行將其置於單一共享空間中,極易破壞預訓練的幾何先驗。
為解決此挑戰,WALL-WM 世界模型引入了一種創新的事件導向訓練與執行機制。它將複雜任務分解為語義清晰的事件節點,例如伸展、抓取和移動。 在運作上,該模型不再僵化地計算下一幀影像。取而代之的是,它會先模擬世界因下一個事件而產生的變化,然後將該視覺變化精確地轉換為機械手臂的運動軌跡。

為確保此新架構能可靠地部署於實體世界,Variable Robot 團隊進行了一系列徹底的工程改造。該系統支援在相同基礎權重上,靈活切換「事件模式」(具有可變長度的動作輸出)與「統一模式」(具有即時閉環控制)。 此外,該系統還實現了視訊模型與動作模型之間的一向耦合,防止來自網路影片的寶貴動態先驗資訊過早受到動作數據的偏誤。 針對多鏡頭的幾何感知,該模型引入了錐體遮罩與管狀遮罩,迫使人工智慧建立跨視角的真實三維幾何對應關係。為解決決策延遲問題,它採用了一種新的「階梯式思維鏈解碼」技術,在維持邏輯可解釋性的同時,顯著降低了解碼延遲。

相關文章
如何修復核心網頁指標以獲得更好的 SEO 排名
利用 AI 工具簡化成績單評語撰寫引言用於生成成績單評語的 AI 工具Magic SchoolAlmanac AIChat GPT使用 Magic School 生成成績單評語登入 Magic School選擇成績單評語工具為學生定製評語使用 Almanac AI 生成成績單評語設定課程與評分方案配置評語長度與學生資訊使用 Almanac AI 生成評語比較 Magic School 與 Almanac AI設定的便捷性可定製性與課程內容的整合速度與效率使用
Slackbot 成為 AI 智慧體
Slackbot,嵌入在Salesforce企業訊息平臺Slack中的自動化助手,正在演變為一個AI智慧體。Salesforce技術長Parker Harris設想它將達到與OpenAI的ChatGPT相媲美的病毒式傳播地位。這家雲軟體巨頭於週二推出了更新版的Slackbot。該新版AI驅動版本面向Business+和Enterprise+客戶,可直接在Slack內查詢資訊、起草電子郵件和安排會議。在獲得適當許可權的情況下,它還能與Microsoft Teams和Google Drive等企
位元組跳動加大核心AI激勵,豆包增長14.6%
位元組跳動近日召開豆包股權說明會,公佈面向豆包部門員工的最新激勵政策。豆包股票的行權價已從2026年6月的14.85美元上調至17.02美元,漲幅約為14.6%。此次調整不僅提升了豆包股票的估值,還大幅擴大了其覆蓋範圍。根據員工崗位的不同,部分員工可能獲得相當於其總薪酬約5%的豆包股票。根據新的兌換機制,位元組跳動允許員工在整體薪酬包中,將部分現金工資兌換為豆包股權。兌換比例因職級而異,設有20%和30%等不同檔位。例如,L2和L3級員工可選擇20%的全覆蓋兌換比例,而L3和L4級員工的該比例可
相關專題推薦
評論 (1)
0/500
Finally, a model that doesn't just process frames like a slow-motion video player! 🤖 This event-level prediction sounds way more efficient for real-time robot actions. I've been waiting for something that breaks free from the traditional frame-by-frame bottleneck. Can't wait to see how WALL-WM handles unpredictable environments. #AI #Robotics
5月29日,Variable Robot團隊發表了WALL-WM,這是全球首個基於「事件層級預測」建構的具身智能世界模型。 該模型擺脫了傳統具身大型模型依時間逐幀學習動作的模式,轉而將世界模型的預測單元切換為語義事件。這標誌著機器人理解與執行任務方式邁入新階段。

在當前的具身智能領域,主流的視覺-語言-動作(VLA)模型通常會根據當前影像與指令,預測出固定長度的動作區塊。這種逐幀訓練的方法,往往導致機器人過度關注細微的肢體動作,卻忽略了動作的最終目標。 當面對更換杯子或桌子等情境時,機器人常因缺乏泛化能力而失敗。為解決此產業痛點,Variable 團隊在其學術論文中指出,文字、視覺與動作資訊在現實世界中,天然存在於不同的時間尺度與流形幾何結構中。 若強行將其置於單一共享空間中,極易破壞預訓練的幾何先驗。
為解決此挑戰,WALL-WM 世界模型引入了一種創新的事件導向訓練與執行機制。它將複雜任務分解為語義清晰的事件節點,例如伸展、抓取和移動。 在運作上,該模型不再僵化地計算下一幀影像。取而代之的是,它會先模擬世界因下一個事件而產生的變化,然後將該視覺變化精確地轉換為機械手臂的運動軌跡。

為確保此新架構能可靠地部署於實體世界,Variable Robot 團隊進行了一系列徹底的工程改造。該系統支援在相同基礎權重上,靈活切換「事件模式」(具有可變長度的動作輸出)與「統一模式」(具有即時閉環控制)。 此外,該系統還實現了視訊模型與動作模型之間的一向耦合,防止來自網路影片的寶貴動態先驗資訊過早受到動作數據的偏誤。 針對多鏡頭的幾何感知,該模型引入了錐體遮罩與管狀遮罩,迫使人工智慧建立跨視角的真實三維幾何對應關係。為解決決策延遲問題,它採用了一種新的「階梯式思維鏈解碼」技術,在維持邏輯可解釋性的同時,顯著降低了解碼延遲。

如何修復核心網頁指標以獲得更好的 SEO 排名
利用 AI 工具簡化成績單評語撰寫引言用於生成成績單評語的 AI 工具Magic SchoolAlmanac AIChat GPT使用 Magic School 生成成績單評語登入 Magic School選擇成績單評語工具為學生定製評語使用 Almanac AI 生成成績單評語設定課程與評分方案配置評語長度與學生資訊使用 Almanac AI 生成評語比較 Magic School 與 Almanac AI設定的便捷性可定製性與課程內容的整合速度與效率使用
Slackbot 成為 AI 智慧體
Slackbot,嵌入在Salesforce企業訊息平臺Slack中的自動化助手,正在演變為一個AI智慧體。Salesforce技術長Parker Harris設想它將達到與OpenAI的ChatGPT相媲美的病毒式傳播地位。這家雲軟體巨頭於週二推出了更新版的Slackbot。該新版AI驅動版本面向Business+和Enterprise+客戶,可直接在Slack內查詢資訊、起草電子郵件和安排會議。在獲得適當許可權的情況下,它還能與Microsoft Teams和Google Drive等企
位元組跳動加大核心AI激勵,豆包增長14.6%
位元組跳動近日召開豆包股權說明會,公佈面向豆包部門員工的最新激勵政策。豆包股票的行權價已從2026年6月的14.85美元上調至17.02美元,漲幅約為14.6%。此次調整不僅提升了豆包股票的估值,還大幅擴大了其覆蓋範圍。根據員工崗位的不同,部分員工可能獲得相當於其總薪酬約5%的豆包股票。根據新的兌換機制,位元組跳動允許員工在整體薪酬包中,將部分現金工資兌換為豆包股權。兌換比例因職級而異,設有20%和30%等不同檔位。例如,L2和L3級員工可選擇20%的全覆蓋兌換比例,而L3和L4級員工的該比例可
Finally, a model that doesn't just process frames like a slow-motion video player! 🤖 This event-level prediction sounds way more efficient for real-time robot actions. I've been waiting for something that breaks free from the traditional frame-by-frame bottleneck. Can't wait to see how WALL-WM handles unpredictable environments. #AI #Robotics





首頁






