模型arXiv cs.RO可信 54 · 单一来源2026年7月10日 12:00

EgoWAM：利用野外自我中心人类数据超越像素的世界动作模型

原标题：EgoWAM: World Action Models Beyond Pixels with In-the-Wild Egocentric Human Data

推荐理由

EgoWAM通过预测场景演变改进训练信号，利用自我中心人类数据分离可迁移因素，为机器人模仿学习提供更高效的预训练范式。

ROBOAIRADAR BRIEF

结构化情报

EgoWAM研究世界动作模型（WAM）是否通过要求策略不仅预测动作，还预测场景演变，从而提供更好的训练信号。使用自我中心人类数据，解决行为克隆中可迁移与不可迁移因素的纠缠。论文来自arXiv。

EgoWAM通过预测场景演变改进训练信号，利用自我中心人类数据分离可迁移因素，为机器人模仿学习提供更高效的预训练范式。

模型能力变化可能影响机器人感知、规划和交互技术栈，但落地仍取决于硬件与实时性能。

当前是单一公开来源，需要补充公司公告、客户确认或其他可信媒体报道。

RoboAIRadar 对公开信源进行聚合、中文整理和价值判断，不替代原始报道。涉及产品参数、交易金额或公司声明时，请以原文为准。