arXiv · AI· Wei Huang, Bohan Zhang, Chenzhi Liu, Isabella Liu, Shuai Yang, Weian Mao, Luozhou Wang, Yicheng Xiao, Weifeng Lin, Qixin Hu, Bryan Chu, Sifei Liu, Linxi Fan, Xiaojuan Qi, Song Han, Yukang Chen·· 2026-10-08AI 评分29
Long-WAM:扩展因果世界动作模型的上下文窗口
Long-WAM: Scaling the Context of World-Action Models
AI 导读
Long-WAM 将因果世界动作模型的上下文从 0.0 秒扩展至 19.2 秒,使 RoboCasa GR-1 任务成功率从 63.3% 提升至 78.7%。该模型通过自回归(AR)预训练视频基础模型,并在 RTX 5090 等硬件上实现 107.4ms 的动作响应,支持 Unitree G1 动态操作。在动态杯堆叠任务中,Long-WAM 成功率达 95%,优于对比模型。
来源:arXiv · AI · arxiv.org