To nye forskningsresultater fra Hugging Face adresserer en central udfordring i verdensmodeller (World Action Models, WAMs): hvordan man opnår både høj ydeevne og lav latenstid i robotstyring og autonom kørsel. LAWA introducerer en arkitektur, der bruger kompakte latente handlinger som repræsentation af fremtidige intentioner, hvilket muliggør effektiv test-tids imagination uden at generere fremtidige observationer. På RoboCasa opnår LAWA state-of-the-art succesrater på 65,6% og 80,8% i henholdsvis few-shot og fuld data-indstillinger, hvilket forbedrer den matchede Fast-WAM-baseline med 9,6 og 4,5 point. Samtidig bevarer den ydeevneniveauet fra den matchede Joint-WAM-variant, men med 42,9% lavere inferens-latenstid. LAWA demonstrerer også konkurrencedygtig zero-shot robusthed på LIBERO-Plus og overlegen ydeevne på virkelige opgaver.
Den anden undersøgelse, RISE, præsenterer et adaptivt imaginationsframework, der træffer sekventielle Roll/Stop-beslutninger baseret på den forventede planlægningsgevinst. RISE opnår den bedste samlede planlægningsydelse på NAVSIM og nuScenes, samtidig med at det reducerer unødvendig rollout, og viser overførselsresultater, der understøtter dets plug-in-generalitet på tværs af WAM-arkitekturer.
For beslutningstagere inden for robotik og autonom kørsel betyder disse fremskridt, at man kan opnå både høj ydeevne og lav latenstid — en afvejning, der tidligere var svær. LAWA's tilgang med latente handlinger kan reducere behovet for store mængder demonstrationsdata, hvilket er afgørende for få-skudsscenarier. RISE's adaptive imagination kan reducere beregningsomkostninger i autonome køretøjer, hvilket er vigtigt for real-time beslutningstagning.
