arXiv · 机器人与计算机视觉· Chenghao Gu, Hanyang Yu, Jingbo Zhang, Haitao Lin, Wenyao Zhang, Jinghe Wang, Hanglei Jin, Shuzhao Xie, Jingyan Jiang, Zhi Wang·· 2026-10-09AI 评分65
GeniWorld:一种支持视觉动作的通用交互式世界模型
GeniWorld: A Generalizable Interactive World Model for Robotic Manipulation via Visual Actions
AI 导读
论文提出了 GeniWorld,这是一种基于预训练视频生成模型的交互式世界模型,旨在解决机器人策略在未见环境中的鲁棒性问题。该方法利用 URDF 渲染将数值动作转化为视觉表示,解耦了本体运动学与环境动力学,从而减轻场景过拟合并支持闭环控制。实验表明,即使仅使用固定场景数据训练,该模型也能实现域内优越性能及零样本泛化到高度随机化的未见环境,并能生成多样化的操作轨迹以提升下游策略的鲁棒性。
来源:arXiv · 机器人与计算机视觉 · arxiv.org