跳到正文
arXiv · 机器人与计算机视觉· Xuezhou Xu, Chung-Pang Wang, Zhenzhen Li, Benjamin Riviere·· 2026-10-20精选AI 评分78

向量量化世界模型:面向机器人操作的潜在反馈运动规划

Vector-Quantized World Model: Latent Feedback Motion Planning for Robot Manipulation

AI 导读

针对长序列操作因累积误差和搜索复杂度高的难题,本文提出向量量化世界模型(VQ-WM),将离散长程搜索与连续视觉反馈控制相结合。该方法利用首达时间估计器作为准度量以对齐控制器能力,在汉诺塔物理操作中仅凭短轨迹数据即实现 100% 成功率,并能泛化执行训练集未见的长序列解法;同时在涵盖操作与移动的多项仿真基准上,性能优于最强世界模型。

推荐理由

提出结合离散长程搜索与连续视觉反馈的潜在反馈运动规划框架,在汉诺塔任务中实现仅用短轨迹数据即达 100% 成功率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org