研究团队提出VITA损失提升世界动作模型泛化表现

Chen Zhao等研究人员在一项预印本研究中提出预训练逆动力学模型 AoE 与视觉到动作损失函数 VITA。在两个世界模型和三个操作基准测试中，该方法将生成未来的执行成功率从接近零提升至 47.0%。 该研究发现世界动作模型的跨任务泛化失败主要集中在夹爪与交互几何区域，而非背景生成不足。VITA 通过将生成的未来画面输入冻结的 AoE 模型并惩罚动作偏差，引导模型生成与动作相关的几何细节。目前该论文正处于 ICLR 2027 评审阶段。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。