ABot-M0.5：统一移动与操作的世界动作模型

arXiv 2026 42.9 method

TLDR

ABot-M0.5提出统一移动操作世界动作模型，通过时间粒度、动作空间和训练测试一致性对齐。

评分理由

The paper addresses a clear gap in mobile manipulation by introducing novel techniques like intermediate latent actions and dream-forcing training. However, the abstract lacks explicit real-world validation and details on experimental setup, limiting assessment of empirical strength.

Read-first 评分解释

综合优先阅读分 42.9，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 46。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、实验、结果

主题相关性 29%

65.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

引用影响力 18%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。引用数：0

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：329。

关键词评分

world model

video world model

world dynamics prediction

generative world model

interactive world model

model-based reinforcement learning world model

world simulator

深度分析

创新点

中间潜在动作，捕获局部视觉状态转换，桥接视频潜在表示与具身特定控制，实现时间粒度对齐
双层混合 Transformer 架构，解耦模态表示以及异构动作子空间（基座移动和手臂操作）
梦想强制训练策略，在模型预测的视频上逐步训练逆动力学，改善训练-测试对齐与自回归鲁棒性

方法

ABot-M0.5 是一种世界动作模型，通过中间潜在动作对齐时间粒度，通过双层混合 Transformer 架构解耦基座移动和手臂操作来对齐动作空间，并通过梦想强制训练策略在模型预测的视频上逐步训练逆动力学来对齐推理条件。在移动和细粒度操作基准上进行评估。

关键结果

ABot-M0.5 在具有挑战性的移动和细粒度操作基准上，在长程任务成功率和细粒度控制精度方面均达到了最先进水平。

资源

论文