TAG:长时序任务
WEM：分开世界与自我具身世界模型才能走得更远
本文探讨了具身世界模型在长时序任务中的挑战，指出单流视频生成模型容易导致场景漂移和交互错误。作者提出World-Ego Modeling（WEM）范式，将预测责任拆分为稳定的场景规律（World）和机器人中心的交互动态（Ego）。这种方法能更好地处理导航-操作混合任务，提升模型的场景一致性和动作准确性，为具身智能的发展提供新视角。
2 
0 
VLA终于有了 “长期记忆”：斯坦福MemER框架破解分钟级长时序操纵难题！
斯坦福大学提出的MemER框架通过分层策略与经验检索机制，解决了机器人长时序任务中的记忆难题。该框架让机器人能够主动筛选关键信息，在分钟级真实场景任务中实现高效推理，避免了传统方法因处理长序列数据导致的计算成本爆炸和记忆冗余问题。
美股三大指数震荡整理，芯片股走高，光通信板块大涨
2026-05-11
0 浏览
多空胶着恒指震荡整理，AI景气外溢主导行情波动
2026-05-11
0 浏览
宠物AI公司PurrPurr获阿尔法公社投资 首年GMV目标5000万
2026-05-11
0 浏览
隆源股份业绩说明会回应今年新能源汽车零部件领域新客户洽谈中
2026-05-11
0 浏览
中国品牌市占率达75%，4月我国汽车销量约252.6万辆，新能源汽车出口贡献度近五成
2026-05-11
0 浏览
4月汽车出口增长51% 国内零售下跌超20%
2026-05-11
0 浏览
4月全国新能源汽车渗透率历史首次突破60%，燃油车零售同比暴跌37%
2026-05-11
0 浏览
港股复盘：强势翻红 芯片概念股冲高回落 短期风险需警惕
2026-05-11
0 浏览
申昊科技拟设具身智能子公司 加码人形机器人业务
2026-05-11
0 浏览
