TAPESTRY 论文提出共享骨干世界动作模型

TAPESTRY 论文作者提出把机器人动作作为视频 patch token 注入预训练视频扩散 Transformer 的方法，形成无需推理时视频生成的世界动作模型，论文已被 CoRL 2026 接收。 该方法通过视频扩散、视频+动作联合扩散和动作-only 扩散三个目标共享同一骨干优化。推理时从纯噪声单步 DDIM 生成紧凑的动作 token 序列，每个动作块约 84 ms，可在消费级硬件上运行。论文称模型在仿真与真机实验中性能强，推理成本明显低于同类联合视频-动作策略。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。