GeniWorld：通过视觉动作实现泛化的机器人交互世界模型

一篇来自arXiv的论文提出GeniWorld，这是一种面向机器人操作的交互式世界模型模型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，旨在提升策略在复杂与未知环境中的鲁棒性。该模型模型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 · 现身基于预训练视频生成模型模型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，通过URDF渲染将数值动作转换为视觉动作表示，实现空间上可控的动作引导。GeniWorld将本体运动学与环境动力学明确解耦，以减轻场景过拟合并促进机器人-环境交互的建模。为达成闭环控制，研究者构建了自回归视频预测模型模型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，并与高频机器人运动控制运动控制让机器人的身体按想法精准动起来、并保持平衡的技术，相当于人类的「小脑」。◆ 小白科普 · 现身集成，支持与机器人策略及人类远程操作者的交互。实验显示，即使仅在有限的固定场景数据上训练，模型也能在域内取得优势，并对高度随机化的未见环境实现零样本泛化泛化指 AI 面对没见过的新东西、新场景时也能举一反三做出正确反应的能力。这是「通用机器人」和「专用机器」的分水岭。◆ 小白科普 · 现身。在下游应用中，GeniWorld可作为可规模化的策略评估器，在环境扰动下保持可靠性。

此外，基于有限的真实世界演示，该模型能在世界模型内生成多样化操作轨迹，提升下游策略在复杂环境中的性能与鲁棒性。