采用联合状态—动作生成的人形机器人世界动作模型

基于摘要分析。研究针对分层人形机器人控制中的“动作—执行差距”：策略输出的参考动作经过全身控制、机器人动力学、平衡与接触约束后，可能与实际运动不同。作者提出 HWAM，将执行后的本体感知状态作为显式预测目标，联合生成参考动作及其对应的实际身体状态，使动作学习直接获得已执行运动的监督。 核心机制包括三条互补的条件训练路径。Policy 路径仅以当前观测为条件，对状态—动作轨迹联合去噪，与部署时的条件设置相匹配；Forward Dynamics Modeling（FDM）以动作及执行后状态为条件预测未来视觉观测；Inverse Dynamics Modeling（IDM）从视觉变化重建联合轨迹。这些路径共同连接策略参考动作、实际身体运动与视觉结果。相较于摘要所描述的 VLA 和 WAM，关键变化是显式建模执行后状态，而非仅让未来视觉预测同时解释场景变化及动作执行偏差。具体模型结构、损失组合与训练调度尚未验证。 作者报告，在 LimX OLI 人形机器人的三个真实机器人任务上，HWAM 的成功率在所评估基线中最高。其中，在 Candy Picking 任务上，HWAM 的成功率为 70.6%，Fast-WAM 为 43.3%。这些数字限定于该任务与所述机器人评估背景；试验次数、任务划分、数据规模、其他基线结果、统计不确定性及消融信息尚未验证，不能据此推断其他平台或任务上的优势。 平台推测（待验证）：其机制可能对应闭环 BCI 机器人控制中“解码指令与实际执行结果不一致”的问题，但不等同于 EEG 解码方法。迁移假设依赖同步的 EEG、参考指令、执行后机器人状态及反馈数据；可复用联合状态—动作监督思想，需要改造观测编码与时序对齐。低信噪比、跨被试差异和小数据可能使联合预测难以稳定学习。可检验的小实验是在固定控制器与相同数据划分下，对比仅预测指令和联合预测指令—执行状态，评估实际执行误差及任务成功率。已有 EEG 相关工作尚未检索确认。