Hugging Face发布LAWA:高效未来想象的世界动作模型架构
摘要:Hugging Face的研究团队提出了一种名为LAWA的新架构,用于世界动作模型(WAM),旨在解决现有方法中未来想象的高延迟问题。LAWA通过紧凑的潜在动作作为未来意图的表示,在测试时无需生成未来观测数据即可实现高效的未来想象。在RoboCasa基准测试中,LAWA在少样本和全数据设置下分别实现了65.6%和80.8%的成功率,显著优于现有方法,同时推理延迟降低了42.9%。该研究展示了在保持性能与泛化能力的同时,显著提升效率的潜力,为机器人控制和AI应用提供了新的技术方向。
背景与挑战
世界动作模型(WAMs)通过建模观测数据的演变来改进机器人控制,但在测试时生成未来观测数据会导致显著的延迟。尽管Fast-WAM通过移除这一过程提升了效率,但在泛化能力和处理稀缺机器人示范及分布外场景时表现不佳。
LAWA架构的创新
为了解决上述问题,Hugging Face的研究团队提出了LAWA(Latent Action as Intention)架构。LAWA的核心创新点包括:
- 紧凑的潜在动作表示:LAWA使用紧凑的潜在动作作为未来意图的表示,避免了生成未来观测数据的需求。
- 离散tokenizer与无动作预训练:通过增强的离散tokenizer和无动作预训练,LAWA生成了以操控为中心的codebook目标。
- 联合去噪与执行动作块:LAWA在推理时联合去噪一个锚定在codebook目标上的连续潜在状态,并执行动作块,同时省略了未来视频分支。
实验结果与优势
在RoboCasa基准测试中,LAWA在少样本和全数据设置下分别实现了65.6%和80.8%的成功率,显著优于匹配的Fast-WAM基线(分别提高了9.6和4.5个百分点)。同时,LAWA保持了与匹配的Joint-WAM变体相当的性能,但推理延迟降低了42.9%。此外,LAWA在LIBERO-Plus上的零样本鲁棒性表现优异,并在现实世界任务中表现出色。
结论与影响
LAWA展示了未来想象不必被舍弃,通过紧凑的潜在动作可以在性能、泛化能力和延迟之间实现有效平衡。这一研究为机器人控制和AI应用提供了新的技术方向,并可能推动相关领域的进一步发展。
开发者建议
- 关注代码与模型发布:LAWA的代码和模型即将发布,开发者可以关注相关资源以获取最新进展。
- 探索应用场景:LAWA的高效性和鲁棒性使其适用于多种机器人控制场景,开发者可以探索其在不同领域的应用潜力。
- 结合其他技术:LAWA可以与其他AI技术(如强化学习、多模态学习)结合,进一步提升系统性能。
—— 完 ——消息来源:Hugging Face Daily Papers (2026-08-25)
主题标签: #LAWA #WAM #机器人控制 #未来想象 #Hugging Face
编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。
社区整体评论区