跳到正文
热点事件持续更新

论文提出以点动力学代理机器人世界模型

2 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Dong An 于 2026 年 11 月向 arXiv 提交论文《Point Dynamics as Proxy for Robotic World Models》,针对现有机器人世界模型物体运动不一致的问题,提出将首帧图像转为 3D 点云,利用学习到的点动力学模拟物体对运动的响应,并将结果渲染回像素对齐视频。 同日,John Won 等人提交了另一篇论文《Learning What Actions Change: Action Effect Matching for Dynamics-Faithful World Models》,提出 AFFECT 方法。该方法通过在人类遥操作训练的策略中注入时间相关噪声,并训练世界模型使其生成视频对噪声的响应与记录一致,旨在解决现有模型难以捕捉微小动作变化导致未来观测差异的问题。

AI 根据报道生成 · 2 小时前更新

事件进展

2 个进展

  1. 11月20日 13:00 · 1 篇报道
    Point Dynamics as Proxy for Robotic World Models 论文发布
    arXiv · 机器人与计算机视觉:Point Dynamics as Proxy for Robotic World Models
  2. 11月20日 13:00 · 1 篇报道
    提出 AFFECT 辅助训练目标以增强世界模型的动态保真度
    arXiv · 机器人与计算机视觉:Learning What Actions Change: Action Effect Matching for Dynamics-Faithful World Models

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · 机器人与计算机视觉
    Point Dynamics as Proxy for Robotic World Models

    该论文针对现有机器人世界模型中物体运动不一致的问题,提出将首帧提升为 3D 点云,利用学习到的点动力学模型模拟其对机器人运动的响应,再将模拟点渲染回像素对齐视频的方法。

  2. arXiv · 机器人与计算机视觉精选
    Learning What Actions Change: Action Effect Matching for Dynamics-Faithful World Models

    论文提出了 AFFECT 方法,旨在解决现有世界模型难以捕捉微小动作变化导致未来观测差异的问题。该方法通过在基于人类遥操作训练的策略中注入时间相关噪声,并训练世界模型使其生成视频对噪声的响应与记录视频一致,从而无需重复执行相同初始状态即可学习动作扰动分布。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。