SkeLAM：骨架引导的机器人世界模型潜在动作模型

2026年10月22日，Hugging Face Daily Papers 报道了 SkeLAM，一种骨架引导的潜在动作模型，用于构建可控的机器人世界模型。该方法将潜在动作分解为两部分：由机器人骨架监督的运动学分量，以及保留视觉动态的残差分量。在 DROID 数据集上，与 DreamDojo 相比，SkeLAM 将末端执行器 ADE 降低 19.5%、LPIPS 降低 11.1%。报道还称，模型在生成的 rollout 中展示了零样本的人体到机器人动作迁移，且策略评估的预测成功率与真实机器人执行结果一致。目前进展停留在论文发布与指标报告阶段，尚无后续独立验证或复现报道。

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。