When should robots trust their imagination?
요약
FFDC(Future-Flow Decision Controller)는 World Action Models(WAM)이 미래 현실과의 일관성을 기반으로 예측된 행동을 실행할지 또는 조기에 재계획할지를 적응적으로 결정하게 해주는 경량 검증기입니다. 이 프레임워크는 고정된 청크 단위 실행 방식의 한계를 극복하고, 장기적인 효율성을 유지하면서 로봇 작업의 견고성(robustness)을 향상시킵니다. 그 결과, WAM의 순방향 패스 횟수를 크게 줄이고 실행 시간을 단축하며, 실제 로봇 및 비디오 생성 태스크에서 높은 성공률 개선을 보여줍니다.
핵심 포인트
- FFDC는 World Action Models(WAM)에 적응형 의사결정 능력을 부여하여 행동 실행 시점을 최적화합니다.
- 고정 청크 방식 대신 FFDC의 적응형 액션 청킹은 장기 계획 효율성과 견고성을 동시에 개선합니다.
- RoboTwin 및 실제 로봇 작업에서 WAM 순방향 패스를 69% 감소시키고 실행 시간을 34% 단축했습니다.
- 스트리밍 비디오 생성에 테스트 시간 스케일링을 적용하여 낮은 계산 오버헤드로 긴 길이의 영상을 구현할 수 있습니다.
We introduce FFDC—a lightweight verifier that lets World Action Models adaptively decide when to execute predicted actions or replan early based on future-reality consistency. Fewer model calls, faster execution, higher success rates on RoboTwin and real-world tasks.
Paper:
https://huggingface.co/papers/2605.06222
Unlike fixed-chunk execution, FFDC enables adaptive action chunking that preserves long-horizon efficiency while improving robustness. Reduces WAM forward passes by 69% and execution time by 34% on RoboTwin, with 35% success rate gains in Stream-T1: Test-Time Scaling for Streaming Video Generation
A framework bringing test-time scaling to streaming video generation,
enabling 5s to 30s videos with lower computational overhead
through chunk-level synthesis and three novel mechanisms:
noise propagation, reward
AI 자동 생성 콘텐츠
본 콘텐츠는 X @huggingpapers (자동 발견)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기