论文摘要 · 2026-10-07 · arXiv (Cornell University)
开发整合各种机器人动作的世界模型
Cross-Embodiment Robot Foundation World Models with Latent Actions
- 做了什么
- 开发了一种机器人世界模型，利用可供各种形态机器人共享的统一潜在动作空间。
- 核心结果
- 应用于新机器人时，在精细操作任务中比传统方法性能提升高达46.7%，在LIBERO性能评估中提升了11.7%。
- 意义
- 实现了不同机器人之间的高效学习，有助于解决机器人学中的主要难题。
研究背景
由于机器人的形态和动作空间各不相同，因此构建适用于不同机器人的通用机器人世界模型非常困难。
方法
引入了在不同形态机器人之间共享的已学统一潜在动作空间中运行的潜在动作条件机器人世界模型，并与使用显式运动标签的模型进行了比较。
主要结果
使用统一潜在动作空间的模型，随着预训练中使用的机器人形态数量增加，性能随之提升，而传统方法反而性能下降。
局限与待确认之处
仅从摘要内容无法确认实际硬件应用时的限制或在各种环境中的长期稳定性相关信息。
术语解释
- 机器人世界模型 — 使机器人能够理解周边环境变化并预测未来的AI系统。
- 潜在动作空间 — 能够以通用方式表示和处理不同形态机器人所执行动作的统一空间。
本摘要由 AI 根据论文摘要撰写，并经编辑审核。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。 具体数据与背景请查阅原文。
本页面整理已发表的论文、官方公告和媒体报道，仅供参考。论文摘要由 AI 根据论文摘要撰写并经编辑审核，可能与原文存在差异，重要内容请查阅原文。本页面不构成任何证券的买卖建议或投资咨询。 人事变动以官方公告或主要媒体报道为来源，部分履历参考维基数据（CC0）。 本页摘要由 AI 根据编辑审核过的韩文版本翻译。
