SG-WAM：幾何感知策略空間中的自我引導世界模型
為何重要
世界模型是讓機器人具備通用操作能力（Embodied AI）的基石，SG-WAM 展示了在較小規模模型上透過精巧的訓練策略（如幾何監督與 flow-matching）即可達成高精度任務的能力。這對開發者而言意味著降低機器人軟體的算力門檻，對產業而言則暗示未來具身 AI 的發展不一定需要依賴無止盡的模型膨脹，效率最佳化將是關鍵。
World Action Models (WAM) 旨在將動作生成與未來狀態預測結合，但現有方法常難以同時滿足動作相關性與空間幾何識別的需求。本研究提出 SG-WAM 框架，直接在策略衍生的表示空間中學習動態，並透過自我導引機制與幾何監督來強化策略對空間的感知。
- 模型建置於 0.9B 規模，且不依賴大規模具身預訓練。
- 在 LIBERO 環境達到 98.5% 平均成功率，在 LIBERO-Plus 則為 73%。
- 框架融合了 flow-matching 動作生成與 EMA 複製產生的訓練目標，在分佈內與分佈外評估均優於基準。