arXiv cs.RO· Xinling Xie, Haodong Wang, Jiazhi Mi, Zhiming Liu, Zicong Hong, Xiaoyi Pang, Qianli Liu, Yangjia Hu, Ying Chen, Zhengyang Yan, Song Guo·· 6 小时前精选AI 评分62
Sparse-WAM：用动作引导稀疏想象加速世界动作模型推理
Sparse-WAM: Accelerating World Action Models via Action-Guided Sparse Imagination
AI 导读
Sparse-WAM 是一个免训练框架，通过动作引导的稀疏想象选择性处理未来帧 token，加速世界动作模型（WAM）推理。它基于动作 token 到未来帧注意力在相邻去噪步间空间分布高度重叠的观察，提出 Action-Guided Token Selection 保留动作相关区域与跨帧上下文，并用 Pilot 引擎以轻量打分和跨步复用降低稀疏推理开销。
推荐理由
提出免训练的动作引导稀疏想象框架，在 LIBERO 与 RoboLab-120 上给出约 2 倍推理加速，可迁移到世界动作模型的部署优化。
来源：arXiv cs.RO · arxiv.org