SplineWAM：让机器人按动作复杂度决定何时重新规划

arXiv：2609.39873

机器人在空中移动手臂时，轨迹通常平滑，可以提前规划较长一段；到了抓取、对齐和插入阶段，又需要更密集的反馈。世界动作模型同时学习未来视频与动作，却通常按固定时长输出动作块，难以照顾这两种节奏。SplineWAM 把执行时长交给动作表示本身决定，让同样大小的预测输出覆盖不同长度的运动。

它用三次 B 样条的节点时间与控制点表示连续动作轨迹。训练前先拟合示范动作，在重建误差大的位置增加节点：平滑运动的节点稀疏，复杂运动的节点密集。模型预测固定大小的参数窗口，再按控制频率解码成实际动作，节点间距决定能执行多久、何时再次调用策略。未来视频的监督也按拟合节点采样，让视觉与动作共享非均匀时间轴，把更多监督分配给复杂阶段。

在相同 Fast-WAM 骨干、示范数据和训练预算下，同步仿真中，LIBERO-Plus 成功率从 66.3% 提升到 74.5%，每回合策略调用减少 22%；RoboCasa 从 69.1% 提升到 73.5%，调用减少 26%。真机实验覆盖整理书架、耳机充电和擦白板，每种方法每项任务测试 30 次。SplineWAM 每次调用执行的控制步数达到基线的 1.2—1.6 倍，擦白板成功率从 50% 提升到 60%；但耳机充电的成功率持平，任务进度低于基线。

真机还要边执行边等待下一次推理。为衔接新旧轨迹，JP-RTC 在解码后的动作上计算重叠误差，再通过解码器的雅可比矩阵修正样条参数。由此得到的启发是，动作表示也能参与计算资源分配：平滑阶段延长执行，精细阶段加密反馈。部署时仍要保留接触细节；过度压缩会降低成功率，更多控制步数也不能直接等同于实际运行提速。
具身智能 科研