**iMaC: 将动作转化为运动和接触图像用于具身世界模型**

_iMaC: Translating Actions into Motion and Contact Images for Embodied World Models_

> 针对传统具身世界模型依赖低维结构化动作向量导致的表达能力有限、泛化性差等问题，本文提出 iMaC（图像作为动作控制），将原始视觉图像作为原生动作表示。通过构建图像-动作编码器和动态世界预测器的双分支架构，编码器将目标图像压缩为紧凑动作嵌入，预测器学习基于图像动作的环境转移规则，实现高保真未来状态预测和闭环具身控制。实验表明，iMaC 在预测精度、任务成功率和跨场景泛化能力上均优于基于向量的基线方法，消除了对手动定义动作空间的依赖，为异构具身智能体提供了灵活通用的控制范式。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-06-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.09813)