WAM-PolicyはLingBot-VAを基に、言語指示で四足ロボットの移動操作を行う世界行動モデル。オンポリシー自己蒸留、タスク別強化学習、複数教師からの蒸留を組み合わせる。著者はMuJoCo上のQLM-Benchで評価し、カメラ2台を搭載したUnitree Go2 AirでOPSD生徒モデルを実演した。LIBERO向け補足アダプターも公開されている。

基本情報

モデルの種類
行動方策
アーキテクチャ
WAM
行動生成
フローマッチング
登録済みバージョン
WAM-Policy 公開スナップショット c320076b

論文・レポート (1)

WAM-Policy:オンポリシー蒸留を用いた四足移動操作のための世界行動モデル

論文あり

WAM-Policy: World Action Models with On-Policy Distillation for Quadrupedal Loco-Manipulation

arXiv: 2611.24011DOI: 10.48550/arxiv.2611.24011
著者・所属 (6)

著者の順序: 原文順

  1. Junlin Long同等の貢献

    Australian Centre for Robotics, USYD

  2. Xu Deng同等の貢献

    UNSW Sydney

  3. Yiran Wang

    Australian Centre for Robotics, USYD

  4. Yue YangCorresponding author

    Maincode

  5. Yang ZhaoCorresponding author

    La Trobe University

  6. Zeyu ZhangProject lead

    Maincode

初版公開
2026-11-18
最新の論文改訂
v1 · 2026-11-18
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