DeltaWAM：面向双手操作的增量世界动作模型

arXiv 2026 36.7 method, application

TLDR

DeltaWAM通过预测视觉增量与动作并使用流式增量记忆，提升了双手操作的成功率和效率。

评分理由

The paper presents a novel world-action model that reduces redundant visual prediction and inference cost while improving task success in simulation and real-world evaluations. Strengths include clear efficiency gains and public code/website; limitations are that the abstract omits detailed real-world setup and per-architecture analysis.

Read-first 评分解释

综合优先阅读分 36.7，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 5%

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

主题相关性 25%

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

方法质量 15%

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：评估

可复现性 15%

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：代码、GitHub

图谱声望 15%

5.7

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0016

引用影响力 15%

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 10%

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

排序敏感性

稳定性：volatile；排名波动范围：388。

关键词评分

world model

world dynamics prediction

video world model

generative world model

interactive world model

world simulator

model-based reinforcement learning world model

深度分析

创新点

DeltaWAM使用密集锚点、稀疏增量和动作流联合预测视觉增量和动作，避免了密集未来帧预测，并将动作条件动态与干扰外观变化解耦。
提出了三种DeltaWAM架构，它们在表示与计算共享方式上有所不同。
流式增量记忆（SDM）用紧凑的观测增量更新缓存的锚点上下文，减少推理时重型视频专家的处理。

方法

DeltaWAM基于世界动作模型，该类模型将预训练视频生成器的视觉与运动先验迁移到机器人控制。它使用密集锚点、稀疏增量和动作流联合预测视觉增量与动作，并设计了三种在表示与计算共享上有所不同的架构；同时引入流式增量记忆（SDM），用紧凑的观测增量更新缓存的锚点上下文。在RoboTwin和真实世界双手操作上的评估以Fast-WAM为基线，比较平均成功率、归一化进度、训练FLOPs以及推理延迟/FLOPs。

关键结果

带SDM的DeltaWAM在干净设置中将平均成功率从Fast-WAM的81.3%提高到85.4%，在视觉随机化下从75.8%提高到83.9%。三种架构将训练FLOPs减少17.78%-23.77%，SDM将单步推理延迟和FLOPs分别减少36.57%和31.55%；真实世界评估显示，DeltaWAM在评估策略中取得了最高的总体成功率和归一化进度。

资源

论文