InternW0-Δ: A World Action Model Bridging Predictive Dynamics and Actions with 20K+ Hours of Open Data
Aggiunta all'archivio di AIChronos il (numero del 28 settembre 2026 ricostruito)· fonte del · Xingyu Miao, Zizun Li, Baole Fang, Kaiwen Song, Tenghui Wang, Hanxue Zhang
InternW0-Δ è un World Action Model (WAM) unitario progettato per integrare la generazione di azioni robotiche con prior appresi su larga scala riguardanti dinamica visiva, semantica della scena e geometria. Il modello utilizza un framework Mixture-of-Transformers che combina esperti pre-addestrati per video e azioni guidati semanticamente da un VLM congelato, oltre a distillare priori geometrici da un foundation model 4D. Viene addestrato su un corpus eterogeneo di oltre 20K ore di dati aperti, includendo dimostrazioni robotiche e umane egocentriche, superando metodi precedenti in benchmark sia simulati che reali.
- Integra prior visivi, semantici e geometrici in un'unified framework per la generazione di azioni robotistiche generaliste.
- Utilizza Causal Imprint per apprendere cambiamenti rilevanti della scena dal futuro senza rollout durante l'inference.
- Si basa su un corpus eterogeneo curato che supera le 20K ore di dati processati, il più grande open-source del suo genere.
- Combina esperti pre-addestrati (video e azione) con distillazione da foundation model 4D per iniettare priori geometrici.
- Ottiene prestazioni superiori rispetto ai metodi precedenti su piattaforme sia simulative che di robot reali.
Perché conta. ['Rappresenta un passo avanti verso agenti autonomi capaci di comprendere la dinamica del mondo fisico e generare azioni complesse senza dipendere esclusivamente da dati futuri.', "L'approccio open-source con codice, pesi e pipeline disponibili facilita l'integrazione in stack locali o il fine-tuning per applicazioni specifiche di robotica."]
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.