Research · Models · Applications
自进化WAM来了！清华AIR联手域变换提出具身In-Context Causal Learning
清华 AIR 与域变换提出 Zeva，首个实现 In-Context Causal Learning 的具身世界模型，将冻结模型的累计成功率从 26% 提升到 73%，并支持一次人类演示增强。
阅读 量子位 原文为什么重要
该研究显著提升了具身 AI 在复杂任务中的表现，为机器人学习和自适应能力提供了新思路。
关键事实
事实 1
Zeva是首个实现In-Context Causal Learning（ICCL）的具身WAM。
来源与依据
Zeva是首个实现In-Context Causal Learning（ICCL）的具身WAM。
事实 2
在多个典型具身基准任务上，Zeva将冻结模型的累计成功率从26%提升到73%。
来源与依据
将冻结模型的累计成功率从26%提升到73%
事实 3
Zeva支持one-shot human demonstration enhancement，一次人类演示初始化PIM后，模型无需微调即可复现关键操作。
来源与依据
Zeva还支持one-shot human demonstration enhancement：一次人类演示初始化PIM后，模型无需微调即可复现关键操作。