模型P3-WAM
P³-WAM
统一世界动作模型，采用共享视频扩散 Transformer 主干与模态专属适配层，将感知、预测与规划三种能力整合于同一套权重之下
时间轴 (近 90 天)
10月16日
P³-WAM 是一个统一架构，包含 Perceive、Predict、Plan 三种互补模式，共享同一个视频扩散 Transformer 主干。
待验证50%
10月16日
P³-WAM 的 Perceive 模式从视频中重建关节式手部运动与相机轨迹。
待验证50%
10月16日
P³-WAM 的 Predict 模式在给定动作下生成视觉未来帧。
待验证50%
10月16日
实验显示统一训练在全部三种能力上都优于单模式训练，包括在视觉-语言模型评估下的规划质量提升。
待验证50%
10月16日
在四个数据集上，P³-WAM 在 3D 手部重建和动作条件视频预测两项任务上均超过专用基线模型。
待验证50%
10月16日
P³-WAM 生成的目标导向操作视频在指令遵循度和动作推进性上强于视频生成基线。
待验证50%
10月16日
P³-WAM 论文项目页已公开：https://p3-wam.pages.dev/。
待验证50%
全部知识事实 (7)
待验证
P³-WAM 是一个统一架构，包含 Perceive、Predict、Plan 三种互补模式，共享同一个视频扩散 Transformer 主干。
50%待验证P³-WAM 的 Perceive 模式从视频中重建关节式手部运动与相机轨迹。
50%待验证P³-WAM 的 Predict 模式在给定动作下生成视觉未来帧。
50%待验证实验显示统一训练在全部三种能力上都优于单模式训练，包括在视觉-语言模型评估下的规划质量提升。
50%待验证在四个数据集上，P³-WAM 在 3D 手部重建和动作条件视频预测两项任务上均超过专用基线模型。
50%待验证P³-WAM 生成的目标导向操作视频在指令遵循度和动作推进性上强于视频生成基线。
50%待验证P³-WAM 论文项目页已公开：https://p3-wam.pages.dev/。
50%