Thinker Team提出具身智能世界模型Thinker-WM

Thinker Team在arXiv发布预印本，提出面向具身智能的统一多模态世界模型Thinker-WM。该模型通过共享的统一动态Transformer与针对特定模态的编解码器，联合建模并生成RGB图像、度量深度以及机器人动作。 团队称，Thinker-WM基于约2万小时第一人称视频、1万小时真实机器人数据及1000小时仿真数据训练，同一套参数可支持视频动作生成、世界预测与策略推理等多项功能，并在EWMBench、WorldOlympiad与WorldArena基准评测中位居第一。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。