GreenWAM: A World Foundation Model for Robotics
Aggiunta all'archivio di AIChronos il (numero del 14 ottobre 2026 ricostruito)· fonte del · Gennady Sidorov, Valerii Kornilov, Denis Grankin, Polina Fedotova, Aleksey Postnikov (Sber Robotics Center)
GreenWAM è un modello fondazionale per il mondo (world foundation model) progettato per fungere sia da predittore di scenari che da policy decisionale in robotica. Il framework introduce uno spazio delle azioni anatomiche condivise che descrive 20 famiglie di robot, permettendo l'addestramento congiunto su diverse morfologie tramite modalità visiva e condizionata all'azione. Come modello del mondo, GreenWAM supera gli attuali generatori video e modelli world-action nel WorldArena 1.0 per accuratezza di traiettoria, profondità e 3D. In quanto policy, il sistema si posiziona tra i migliori su RoboTwin 2.0, raggiungendo la massima riuscita zero-shot in LIBERO-plus e competendo con le politiche dedicate su CALVIN e LIBERO.
- Implementazione di uno spazio delle azioni anatomiche condiviso per unificare il controllo di 20 famiglie robotiche diverse.
- Addestramento congiunto (joint training) che integra modalità visive, azione-condizionata e mondo-azione per migliorare la generalizzazione.
- Architettura ibrida che separa l'esperto delle azioni dall'generatore del modello del mondo durante il fine-tuning o adattamento.
- Superiorità nel WorldArena 1.0 rispetto a ogni altro world-action model e video generator in termini di accuratezza metriche chiave.
- Adattabilità reale su umanoidi con successo superiore rispetto alle politiche derivate da \pi_{0.5} e Cosmos 3 Edge.
Perché conta. Questo lavoro è rilevante per gli sviluppatori che lavorano con LLM, agenti e AI locale perché dimostra come un singolo modello fondazionale possa gestire sia la simulazione del mondo fisico (world model) sia il controllo decisionale (policy), riducendo la necessità di addestrare architetture separate. Inoltre, l'approccio alla separazione dell'esperto delle azioni offre spunti per ottimizzare i processi di fine-tuning e distillazione in ambienti con risorse computazionali limitate.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.