计算机科学 > 计算机视觉与模式识别
[提交于 2025年6月29日
]
标题: RoboScape:物理信息嵌入的世界模型
标题: RoboScape: Physics-informed Embodied World Model
摘要: 世界模型已成为具身智能不可或缺的工具,作为强大的模拟器,能够生成逼真的机器人视频,同时解决关键的数据稀缺问题。 然而,当前的具身世界模型在物理意识方面存在局限,特别是在建模三维几何和运动动力学方面,导致在接触丰富的机器人场景中生成不现实的视频。 在本文中,我们提出了RoboScape,这是一个统一的物理信息世界模型,在一个集成框架中联合学习RGB视频生成和物理知识。 我们引入了两个关键的物理信息联合训练任务:时间深度预测,以增强视频渲染中的三维几何一致性;关键点动力学学习,隐式编码物理属性(例如物体形状和材料特性),同时改进复杂运动建模。 大量实验表明,RoboScape在各种机器人场景中生成的视频具有更优的视觉保真度和物理合理性。 我们进一步通过下游应用验证了其实际效用,包括使用生成数据进行机器人策略训练和策略评估。 我们的工作为构建高效的物理信息世界模型提供了新见解,以推动具身智能研究的发展。 代码可在以下链接获取:https://github.com/tsinghua-fib-lab/RoboScape.
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.