论文页面 - WEAVER: 更优秀、更快速、更持久：一种用于机器人操作的有效世界模型

来源：https://huggingface.co/papers/2606.13672

摘要

WEAVER 是一种多视角世界模型架构，通过流匹配损失在机器人操作任务中实现了高保真度、一致性和效率，并在策略评估、策略改进和测试时规划中展现出卓越性能。

世界模型（WM，即学习模拟器）对机器人的潜在影响深远——包括策略评估、策略改进和测试时规划——所有这些都仅需有限的真实世界交互。为了释放这些下游能力，世界模型需要同时满足三个必要条件：(i) 保真度（即生成与现实相关的模拟轨迹），(ii) 一致性（即生成的模拟轨迹在长时间跨度内保持连贯），(iii) 效率（即快速生成模拟轨迹）。我们提出 WEAVER（World Estimation Across Views for Embodied Reasoning，用于具身推理的多视角世界估计）：一种同时满足上述三个条件的世界模型架构，在机器人操作任务中取得最先进成果。WEAVER 是一种多视角世界模型，通过流匹配损失训练来预测未来隐变量和奖励值。我们提炼了模型架构、记忆和预测目标中的关键设计决策，这些决策是解锁以往世界建模方法所难以处理的长时间动态操作任务所必需的。我们将 WEAVER 应用于机器人硬件，验证了其在策略评估（与真实世界成功率的相关性 ρ=0.870）、策略改进（在 π_{0.5} 机器人基础模型之上实现 38% 的真实世界成功率提升）和测试时规划（相比以往世界模型，真实世界成功率提升 14%，速度提升 5–10 倍）方面的有效性。WEAVER 在分布外场景评估中也表现出优于以往世界模型的性能。代码、模型和视频参见：https://arnavkj1995.github.io/WEAVER/

查看 arXiv 页面 (https://arxiv.org/abs/2606.13672) | 查看 PDF (https://arxiv.org/pdf/2606.13672) | 项目页面 (https://arnavkj1995.github.io/WEAVER/) | GitHub (https://github.com/arnavkj1995/WEAVER) | 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.13672)

在您的智能体中获取此论文：

hf papers read 2606.13672

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

暂无模型关联此论文

请在模型 README.md 中引用 arxiv.org/abs/2606.13672 以在此页面建立链接。

引用此论文的数据集0

暂无数据集关联此论文

请在数据集 README.md 中引用 arxiv.org/abs/2606.13672 以在此页面建立链接。

引用此论文的 Spaces0

暂无 Space 关联此论文

请在 Space README.md 中引用 arxiv.org/abs/2606.13672 以在此页面建立链接。

包含此论文的收藏0

暂无收藏包含此论文

请将此论文添加到收藏 (https://huggingface.co/new-collection) 以在此页面建立链接。