RynnWorld-Teleop：基于动作条件世界模型的数字遥操作技术

阿里巴巴达摩院、港中文具身智能具身智能Embodied AI让 AI 通过机器人身体感知并作用于真实世界，不只在屏幕里回答问题。◆ 小白科普 · 现身实验室、湖畔实验室和蚂蚁集团联合提出RynnWorld-Teleop，一种基于动作条件世界模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身的数字遥操作遥操作Teleoperation由人在远端控制机器人完成动作，并把这些示范记录为训练数据。◆ 小白科普 · 现身系统。该系统输入目标场景参考图像和操作者手部姿态序列，输出机器人第一视角视频及同步动作轨迹，旨在解决机器人学习中的数据瓶颈。方法上，采用分布对齐的加性条件注入，通过两阶段训练（先人类第一视角预训练，后机器人域适配）将人类操作先验迁移至具体机器人形态。在4个双臂任务上采集1800条真实示教示教人手把手带着机器人做一遍动作，让它「学着做」，类似师傅带徒弟的现场教学。◆ 小白科普 · 现身进行适配。为降低延迟，将双向teacher蒸馏为因果student，采用因果流匹配预热和分布匹配蒸馏实现4步采样，并通过分块重锚定抑制长时生成漂移。

实验表明，结合300条生成数据可显著提升策略成功率，尤其在高精度任务中表现突出。与传统仿真仿真在电脑里搭建虚拟世界来测试、训练机器人。成本低、速度快，但和真实世界总有差距。◆ 小白科普 · 现身相比，该方法无需3D网格、URDF和系统辨识，直接生成真实像素分布的视频。