输入含语言指令、相机历史、机器人状态、本体信息、任务角色和视角归属。仿真可用只读全局相机。模型每次为各机器人预测24步动作及各专属视角的8帧未来画面,团队同步执行前8步后重新规划。作者报告三项真机任务平均成功率67.8%(每项30次),八项RoboFactory仿真任务平均90.3%(每项100次)。表9报告27.6亿可训练参数,冻结的Cosmos-Reason1和视频VAE另计。

基础信息

模型类型
动作策略
架构
WAM · Transformer
动作生成
流匹配
已收录版本
MAWAM
关联机器人
1

论文与报告 (1)

MAWAM:面向协同操作的多智能体世界-动作模型

有论文

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

arXiv: 2611.25105DOI: 10.48550/arxiv.2611.25105
作者与单位 (13)

署名方式: 原文顺序

  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

首版日期
2026-11-20
论文最新修订
v1
会议 / 期刊
未提供

覆盖的模型版本

官方资料

提交来源或更正