**AffordanceWAM：基于机会感知的联合世界 - 动作模型实现机器人操作泛化**

_AffordanceWAM: Affordance-Aware Joint World-Action Modeling for Robot Manipulation_

> AffordanceWAM 是一种基于机会感知的生成式世界动作模型，通过标量机会感和机会热力图在生成的未来世界中表征以物体为中心的空间时间机会。该模型利用预训练视频扩散 Transformer，结合参数化的世界与动作专家，在统一流匹配目标下联合预测未来 RGB 观测、机会场、机会热力图及连续机器人动作。通过以人类视频监督所有未来世界流，并以机器人轨迹补充动作监督，AffordanceWAM 实现了无需人类动作标签或重定向的跨域迁移。在 RoboCasa、CALVIN 及真实世界操作中的实验表明，该方法在固定机器人监督下，随标注人类视频增加性能单调提升，显著优于仅 RGB 或仅机器人数据的基线，验证了机会感作为视觉 - 语言 - 动作学习与人机迁移有效接口的潜力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-20 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.22332)