OSWAM: An Effective World Action Model with One-Step Action Generation
Pubblicata su AIChronos il · fonte del · Guowen Zhang, Liyi Chen, Xu Hu, Pengfei Wang, Jingfan Chen, Chenhang He (The Hong Kong Polytechnic University)
OSWAM è un modello di World Action (WAM) progettato per generare azioni in un solo passo di diffusione, superando la latenza tipica dei modelli che richiedono decine di step. L'approccio introduce token di immaginazione per inizializzare il processo con priori fisici strutturati e utilizza distillazione dell'informazione privilegiata condizionale al futuro. Questo permette a OSWAM di raggiungere prestazioni comparabili o superiori ai baselines diretti-policy WAM, riducendo drasticamente i tempi di inferenza.
- OSWAM elimina la necessità di multipli step di denoising per generare azioni coerenti in autonomia e guida autonoma.
- L'uso di token di immaginazione sostituisce l'inizializzazione al rumore casuale, fornendo rappresentazioni condizionate all'azione fin dall'avvio.
- La distillazione dell'informazione privilegiata con condizionamento futuro migliora la consapevolezza temporale delle azioni generate.
- Il modello raggiunge una velocità di circa 3 volte rispetto ai baselines diretti-policy e un latenza inferiore a 40ms su NVIDIA RTX 5090.
- OSWAM supporta l'inferenza compilata in tempo reale, rendendo fattibile il deployment pratico per veicoli autonomi.
Perché conta. Per gli sviluppatori di agenti e AI locale, OSWAM dimostra come integrare priori fisici strutturati possa ridurre drasticamente la latenza dell'azione senza sacrificare la qualità. Questo approccio è cruciale per implementazioni in tempo reale dove il ciclo di decisione deve essere estremamente veloce.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.