创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

WAM-Policy让四足机器人听懂语言指令

AI 总结

一篇 arXiv 论文提出 WAM-Policy,通过两阶段方法将以机械臂为主预训练的世界动作模型适配到无臂四足机器人的移动操作任务,并结合在线策略蒸馏、强化学习和多教师蒸馏。作者称,在其 QLM-Bench 上,OPSD 学生策略以 14 倍采样速度保持 76.7% 的成绩,后续训练进一步提升至 85.0%;他们还把 OPSD 学生策略部署到真实 Unitree Go2 Air 上。目前这些结果仅来自作者论文与摘要。

深度见解

该方法展示了将语言条件世界动作模型用于无臂四足移动操作并减少采样步数的具体路径,其仿真成绩与真实机器人部署为这一方向提供了作者报告的实验支持。

Computer Science > Robotics

arXiv:2611.24011 (cs)

[Submitted on 18 Nov 2026]

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

Authors:Junlin Long, Xu Deng, Yiran Wang, Yue Yang, Yang Zhao, Zeyu Zhang

View a PDF of the paper titled WAM-Policy: World Action Models with On-Policy Distillation for Quadrupedal Loco-Manipulation, by Junlin Long and 5 other authors

#WAM-Policy#QLM-Bench#Unitree Go2 Air#On-Policy Self-Distillation#Multi-Teacher On-Policy Distillation

原文约 3 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。