KAIST 与 RLWRLD 以自蒸馏改进 FRED 世界动作模型，人转机器人技能成功率升至 50.0%

KAIST 与 RLWRLD 提出 FRED，通过自蒸馏从纯噪声一步预测未来表征，提升世界动作模型（WAM）的单步未来视频表征质量。该方法在长程与分布外任务中强化零样本泛化，人转机器人技能迁移成功率达 50.0%，最强对比 WAM 为 19.4%，代码与模型已在 GitHub 和 Hugging Face 开源。