MoGAP：用运动引导非对称预测改进机器人控制

论文用运动引导的非对称视觉预测提升WAM机器人策略成功率。

资讯摘要

论文研究世界动作模型（WAMs）中视觉监督的空间分配，发现将监督集中在动态区域可显著提升策略性能。据此提出运动引导非对称预测（MoGAP），在共享视频扩散骨干内通过仅训练用的辅助预测路径，对不同区域施加非对称噪声，让模型以较完好的静态区域为上下文重建受损更重的动态区域，运动线索直接取自训练视频，无需外部教师或额外模态。作者报告在GR-1桌面基准上，Fast-WAM（Wan2.2-5B）成功率从38.8%升至47.5%，Cosmos3-Nano从52.3%升至62.3%。

要点速读

1. 论文指出标准视觉预测对所有区域一视同仁，未区分其与机器人控制的相关性。
2. MoGAP在共享视频扩散骨干中加入仅训练用的辅助预测路径，按区域施加非对称噪声。
3. 作者报告GR-1桌面基准成功率：Fast-WAM（Wan2.2-5B）38.8%→47.5%，Cosmos3-Nano 52.3%→62.3%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。