DeltaWorld:动作条件潜变量增量学习让机器人世界模型更物理一致
论文提出DeltaWorld,一种用于机器人操作的物理一致交互式世界模拟器。其Delta-LTM预测动作引起的潜变量增量并叠加到当前状态,Interaction-aware Latent Alignment强化机器人-物体交互区域的监督。在IWS基准和自我采集的跨机器人数据集上,DeltaWorld相比IWS基线将FVD降低46.6%,LPIPS降低31.1%。该研究为预印本,尚未经同行评审。
机器人与具身智能领域的最新论文,以及每篇对产业的意义。
论文提出DeltaWorld,一种用于机器人操作的物理一致交互式世界模拟器。其Delta-LTM预测动作引起的潜变量增量并叠加到当前状态,Interaction-aware Latent Alignment强化机器人-物体交互区域的监督。在IWS基准和自我采集的跨机器人数据集上,DeltaWorld相比IWS基线将FVD降低46.6%,LPIPS降低31.1%。该研究为预印本,尚未经同行评审。
PhysicsLENS 是一个新基准,通过匹配场景对评测机器人视频生成模型是否遵循文本指定的隐藏物理属性。在 4 个模型生成的 439 个视频中,47 个被人工评定为物理合理,其中 34 个(72%)未遵循指定属性;同一模型在隐藏属性条件下物理合理性平均下降 0.28 分,但不显著。该工作说明视觉合理性与属性遵循必须分开评估,对机器人世界模型可靠性有重要意义。本文为 arXiv 预印本,未经同行评审。
Social-WM 是一个使用 RGB 视频离线训练的隐世界模型规划框架,区分名义动作与实际可执行动作。在 Social-HM3D 上,它取得 63.77% 成功率,行人碰撞率降至 21.67%,比 NavThinker 相对降低 44.6%;零样本迁移到 Social-MP3D 仍保持 54.15% 成功率和 23.34% 碰撞率。该工作为未同行评审的预印本。
RoboCoach 是一个预印本框架,用世界模型中的想象执行来诊断长程机器人任务中最先失败的子任务,并据此请求对应技能专家的演示数据。在 Franka 和 AgileX 真机上,仅追加 150 条子任务演示,成功率分别从 13.3% 升至 75.0%、从 40.0% 升至 83.8%,显著超过统一采集加共享适配器的基线。该工作表明世界模型可以成为主动教练,把稀缺的真实数据导向可复用的技能模块。
A video world model trained on robot egocentric footage predicts outcomes of actions for evaluation and planning.
论文来自 arXiv 机器人领域。尚未生成摘要的论文,显示摘要开头部分。