# Rolling-WAM: Tối ưu hóa mô hình hành động thế giới với cơ chế tưởng tượng cuốn chiếu

- Nguồn: Hugging Face Daily Papers
- Thời gian phát hành: 2026-09-29 07:00 (giờ Việt Nam)
- Điểm AI: 85/100
- Link AIHOT.vn: https://aihot.vn/items/d69cccab939fa91b
- Link gốc: https://arxiv.org/abs/2609.30247

## Tóm tắt AI

Rolling-WAM giải quyết độ trễ trong robot học bằng cách phân bổ quá trình khử nhiễu video-hành động qua nhiều chu kỳ lập kế hoạch, giúp phản hồi thời gian thực mượt mà hơn.

## Thân bài

Tác giả: [Yinghua Zhou](https://arxiv.org/search/cs?searchtype=author&query=Zhou,+Y), [Junjie Ye](https://arxiv.org/search/cs?searchtype=author&query=Ye,+J), [Yiqi Zhao](https://arxiv.org/search/cs?searchtype=author&query=Zhao,+Y), [Hao Dong](https://arxiv.org/search/cs?searchtype=author&query=Dong,+H), [Celina Shiyu Wang](https://arxiv.org/search/cs?searchtype=author&query=Wang,+C+S), [Ruohai Ge](https://arxiv.org/search/cs?searchtype=author&query=Ge,+R), [Tingyi Yang](https://arxiv.org/search/cs?searchtype=author&query=Yang,+T), [Basile Van Hoorick](https://arxiv.org/search/cs?searchtype=author&query=Van+Hoorick,+B), [Gaurav Sukhatme](https://arxiv.org/search/cs?searchtype=author&query=Sukhatme,+G), [Vitor Guizilini](https://arxiv.org/search/cs?searchtype=author&query=Guizilini,+V), [Yue Wang](https://arxiv.org/search/cs?searchtype=author&query=Wang,+Y)

[Xem PDF](https://arxiv.org/pdf/2609.30247) [HTML (thử nghiệm)](https://arxiv.org/html/2609.30247v1)

> Tóm tắt: World Action Models (WAMs) kết hợp việc tạo hành động với dự đoán hình ảnh tương lai cho thao tác robot. Tuy nhiên, việc hoàn thành quy trình khử nhiễu video-hành động kết hợp tại mỗi chu kỳ lập kế hoạch lại gây ra độ trễ đáng kể, làm chậm quá trình cập nhật hành động và hạn chế khả năng phản hồi vòng lặp kín. Chúng tôi giới thiệu Rolling-WAM, một công thức phân bổ quá trình khử nhiễu kết hợp qua các chu kỳ lập kế hoạch liên tiếp. Phương pháp của chúng tôi duy trì một cửa sổ trượt gồm các đoạn video-hành động ở các mức nhiễu so le. Tại mỗi bước, một lịch trình nhiễu luân phiên sẽ khử nhiễu hoàn toàn đoạn hành động sắp thực hiện, đồng thời tinh chỉnh một phần các đoạn trong tương lai xa hơn. Khi cửa sổ tiến triển cùng với các quan sát camera mới, các đoạn tương lai được giữ lại sẽ tiếp tục quá trình khử nhiễu của chúng. Điều này phân bổ chi phí tính toán theo thời gian trong khi vẫn duy trì bối cảnh hình ảnh-hành động đang phát triển qua các ranh giới đoạn. Các đánh giá trên LIBERO, RoboTwin và robot hình người Unitree G1 trong thế giới thực cho thấy Rolling-WAM đạt được hiệu suất thao tác cạnh tranh. Bằng cách loại bỏ nhu cầu khử nhiễu toàn bộ phạm vi dự đoán từ đầu, phương pháp này mang lại tốc độ lập kế hoạch ổn định nhanh gấp 4,5 lần so với các WAM kết hợp tiêu chuẩn.

| Bình luận: | 10 trang, 7 hình ảnh, 5 bảng. Đang trong quá trình bình duyệt. Trang dự án: URL này |
| --- | --- |
| Chủ đề: | Robot (cs.RO); Trí tuệ nhân tạo (cs.AI); Thị giác máy tính và Nhận dạng mẫu (cs.CV) |
| Trích dẫn là: | arXiv:2609.30247 [cs.RO] |
|  | (hoặc arXiv:2609.30247v1 [cs.RO] cho phiên bản này) |
|  | https://doi.org/10.48550/arXiv.2609.30247 DOI do arXiv cấp thông qua DataCite (đang chờ đăng ký) |

### Lịch sử gửi bài

Từ: Yinghua Zhou [xem email](https://arxiv.org/show-email/4b1cbfb5/2609.30247)] [v1] Thứ Năm, 24 tháng 9 năm 2026 17:58:03 UTC (5.295 KB)