FRED：自蒸馏未来视频表征提升世界动作模型

FRED 用自蒸馏提升单步未来表征质量，改善机器人策略迁移。

资讯摘要

论文提出 FRED 框架，用自蒸馏让世界动作模型（WAM）在单步去噪中从噪声预测未来视频表征，并以真实未来观测提取的表征为目标，同时以历史观测作为时间上下文。作者报告在多种真实操作场景中优于对比 WAM，在长时程与零样本环境泛化的域外任务上提升明显；仅以人类视频示范的任务成功率达 50.0%，最佳对比 WAM 为 19.4%。

要点速读

1. FRED 通过自蒸馏训练 WAM，从噪声单步预测未来视频表征，目标来自真实未来观测的表征。
2. 视频模型以历史观测为条件，为预测未来表征提供时间上下文。
3. 作者报告在真实操作场景中持续优于对比 WAM，人类视频到机器人技能迁移成功率为 50.0%，对比方法为 19.4%。

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 2026/10/24 08:00:35（北京时间）。