Hugging Face · 每日论文· 媒体 / 作者来源·精选
AW-0：整合代码规划与视频动作预测的智能体世界行动模型
原文标题
Agentic World Action Models
AI 导读
研究团队推出AW-0框架，将代码规划、未来视频预测和机器人动作控制整合为三个耦合的生成流，在统一transformer架构中实现。通过代码专家生成参数化技能程序，视频和动作专家生成视觉状态和低级指令。在RoboTwin 2.0和双臂操作任务中，该模型在任务性能、语言遵循、语义推理和鲁棒性上超越VLA和WAM基线。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
AW-0首次将代码规划与视频动作预测整合为统一框架，实现了技能的复用和物理动态预测的结合，在机器人操作任务中展现出显著性能提升。
导读由模型辅助整理，非独立核验。完整信息见原文。