WAM

深度分析

AttenA+：以速度加權的動作注意力，提升 VLA/WAM 的末端精準控制

機器人基礎模型常把每一步當一樣重要，忽略動作在物理層的差異。AttenA+用末端速度反向加權，優先學習慢速高精度階段，能在Libero與RoboTwin基準顯著提升成功率並改善最後一公分精準度。此方法為可插拔優化項，不改動模型結構，並在Franka機械手臂實驗中驗證了跨任務的一致增益。