arXiv · AI· Jingxiang Guo, Haoyu Zhao, Xidong Zhang, Yuhang Zheng, Hao Wu, Chen Gao, Jianshu Zhou, Shuicheng Yan, Weihao Yuan·· 12 小时前AI 评分33
UMI-WM：基于腕部相机的双手操作交互世界模型
UMI-WM: Interactive World Modeling for Bimanual Manipulation from Wrist Cameras
AI 导读
UMI-WM 提出动作条件化的双手世界模型，从观测历史及双手数据生成双视角视频，确保跨视角一致性。 模型采用稀疏 hub token 交换场景信息，将 30 步 Teacher 蒸馏为 4 步 Student，生成速度提升 6.9 倍。 在 VBench 和 WorldArena 等基准中表现领先，所有参考视频保真度指标均达最优。
来源：arXiv · AI · arxiv.org