GigaWorld：让机器人反应提速九倍

GigaWorld-Policy 是一种高效的动作中心化世界-动作模型 (WAM)，旨在解决机器人控制中数据监督稀疏和推理延迟高的问题。该模型通过因果序列建模，将动作预测与未来视觉动力学预测相结合，在训练阶段利用高密度视觉监督来增强动作学习的物理可靠性。与传统依赖迭代采样视频的 WAM 不同，它在推理时支持可选的视频生成模式，从而显著降低计算开销并实现低延迟控制。为了提升泛化能力，研究团队采用了课程预训练方案，将通用视频模型转化为具备机器人交互先验的具身智能基础模型。实验证明，该模型在保持高性能的同时，推理速度比现有顶尖 WAM 快 9 倍，在真实场景中取得了更优的任务成功率。这一成果为实时、高精度的机器人闭环控制提供了一种兼顾效率与鲁棒性的新方案。