入力は言語指示、カメラ履歴、ロボット状態、機体情報、役割、視点の対応関係です。シミュレーションでは読み取り専用の共有カメラも利用できます。各ロボットについて24ステップの行動と各専用視点の将来8フレームを予測し、最初の8ステップを同期実行して再計画します。著者報告は実機3課題で平均67.8%(各30試行)、RoboFactoryの8課題で平均90.3%(各100エピソード)です。表9の学習可能な27.6億パラメータには凍結したCosmos-Reason1と動画VAEを含みません。

基本情報

モデルの種類
行動方策
アーキテクチャ
WAM · Transformer
行動生成
フローマッチング
登録済みバージョン
MAWAM
関連ロボット
1

論文・レポート (1)

MAWAM:協調操作のためのマルチエージェント世界行動モデル

論文あり

MAWAM: A Multi-Agent World-Action Model for Coordinated Manipulation

arXiv: 2611.25105DOI: 10.48550/arxiv.2611.25105
著者・所属 (13)

著者の順序: 原文順

  1. Xianzhe Fan

    NVIDIA · The University of Hong Kong

  2. Chi-Pin Huang

    NVIDIA

  3. Fu-En Yang

    NVIDIA

  4. Jing Wang

    NVIDIA

  5. Yecheng Wu

    NVIDIA · MIT

  6. Yu-Cheng Chou

    NVIDIA

  7. Johan Bjorck

    NVIDIA

  8. Linxi “Jim” Fan

    NVIDIA

  9. Jan Kautz

    NVIDIA

初版公開
2026-11-20
最新の論文改訂
v1
会議・学術誌
未提供

対象モデルバージョン

論文 ↗PDF ↗

公式資料

情報源または訂正を送信