XGenAct论文：几何增强世界动作模型
Get the story
2026年10月5日，研究者在arXiv（Robotics）发表论文，提出世界动作模型XGenAct。该模型将RGB观测、机器人动作、度量深度、表面法线和功能角色分割统一表示为RGB视频，用单一视频diffusion transformer和单一目标完成跨空间时序预测，无需模态专用头部。在RLBench留出任务上，其五任务外部比较成功率达52%，强于最强基线的26%，并更准确预测未来深度与分割。目前报道仅此一篇，尚无后续验证或矛盾信息。
Generated from reports · updated 16 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · RoboticsXGenAct：通过跨任务生成实现几何增强的世界动作模型
研究者提出世界动作模型 XGenAct，将 RGB 观测、机器人动作、度量深度、表面法线和功能角色分割统一表示为 RGB 视频，用单一视频 diffusion transformer 和单一目标完成跨空间时序预测，无需模态专用头部。在 RLBench 留出任务上，其五任务外部比较成功率达 52%，强于最强基线的 26%，并更准确预测未来深度与分割。
Heat trend
Current heat 6·Comparable peak 10（Oct 5）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.