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
著者・所属 (13)
著者の順序: 原文順
- 初版公開
- 2026-11-20
- 最新の論文改訂
- v1
- 会議・学術誌
- 未提供
MAWAMはGR00T 2を協調操作に適応させたモデルです。エージェント間の注意機構で各ロボットの将来映像と行動系列を同時に予測し、個別の制御インターフェースを保ちます。実機2台とシミュレーションのPandaアーム2〜4台で評価されました。
モデルの説明全文を見る論文あり
MAWAM: A Multi-Agent World-Action Model for Coordinated Manipulation
著者の順序: 原文順
出典確認日 · 2026-11-20
重みやコードの公開は、そのままロボットで動作することを意味しません。必要な構成、データ、インターフェースを資料で確認してください。
ee_pose · continuous
16 DoF · horizon 24 · relative
行動 / 動画
ロボットごとに24ステップの行動、専用視点ごとに将来8フレーム(制御3ステップごとに1フレーム)
双腕プラットフォーム / ロボットアーム
複数タスク
模倣学習 / 教師あり微調整
微調整元: GR00T · GR00T 2 ↗
このバージョンまたは選択した重みの検証済み独立評価結果はありません。
公開元の評価 · 報告値・独立再現なし
MAWAM実機評価 · 3課題平均 ↗成功率: 67.8 %
表1。Galaxea R1 Pro 2台、専用カメラ6台、課題ごとに30試行。
公開元の評価 · 報告値・独立再現なし
RoboFactory · 8課題平均(MAWAM手順) ↗成功率: 90.3 %
表2。シミュレーションのPandaアーム2〜4台、課題ごとに100エピソード。
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。