研究提出P3-WAM统一世界动作模型

发生了什么

据arXiv cs.CV论文，研究者提出P3-WAM，一种用于自我中心灵巧操作统一的感知、预测与规划世界动作模型。该模型通过混合Transformer架构整合3D动作表示，在三个互补模式下学习：感知（重建手部运动和轨迹）、预测（生成视觉未来）和规划（生成动作轨迹及后果）。实验显示统一训练提升了各项能力。