Long-WAM模型发布：扩展机器人上下文

发生了什么

据arXiv及Hugging Face发布的研究，Long-WAM是一个旨在扩展因果世界-动作模型上下文容量的框架，通过自回归（AR）视频预训练提升实时机器人控制性能。研究发现，在RoboCasa GR-1上将上下文从0.0秒增加至19.2秒，任务成功率从63.3%提升至78.7%。该模型支持在RTX 5090、DGX Spark及Jetson AGX Thor等硬件上部署，在RTX 5090上单次动作块处理耗时107.4毫秒。在Unitree G1和YAM机器人上的动态杯子堆叠任务中，Long-WAM实现了95%的成功率。