AW-0 用代码串联世界模型的规划、预测与执行。
资讯摘要
论文提出 AW-0 智能体世界动作模型框架，将代码规划与视频、动作联合预测结合。作者在统一的 mixture-of-transformers 架构中联合建模代码、未来视频和机器人动作三条生成流，代码专家生成参数化技能例程与控制逻辑，视频和动作专家输出未来视觉状态与底层运动指令。作者还提出自动标注流程，把机器人和人类视频轨迹标注为对齐程序并整理成可复用技能库。论文报告在 RoboTwin 2.0 和双臂操作任务上优于 VLA 与 WAM 基线。
要点速读
- AW-0 在统一 mixture-of-transformers 架构中联合建模代码、未来视频与机器人动作三条生成流。
- 代码既用于组织世界模型内的多步预测与控制，也把技能表示为可复用程序供后续执行。
- 作者报告在 RoboTwin 2.0 与真实双臂操作任务上，任务表现及语言跟随、语义推理和鲁棒性优于 VLA、WAM 基线。
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 2026/10/23 08:00:10（北京时间）。