事件对齐视觉动作推理世界动作模型论文

2026年10月8日，arXiv Computer Vision 频道发布一手报道，介绍一项面向世界动作模型（WAM）的研究。该研究提出事件对齐视觉动作推理框架，让 WAM 围绕交互事件组织视觉-动作预测：在关键状态变化处细化推理，在过渡段以粗粒度推进，并加入执行有效性头，以剔除分块推理中的冗余动作。实验方面，该框架在 DOMINO 上成功率较基线提升 10.26 个百分点，在 RoboTwin 2.0 上表现具竞争力，且可从 DOMINO Level 1 迁移至 Levels 2 和 3 而无需目标层级适配。目前报道仅涉及该论文方法与实验结果，未提及其他后续进展或争议。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。