论文页面 - DreamTrue：基于反事实后训练的动作忠实机器人世界模型

来源：https://huggingface.co/papers/2610.12468

摘要

我们提出 DreamTrue，一个多视角、跨机体（cross-embodiment）的机器人世界模型，用于动作忠实且物理合理的视频预测。在现有机器人数据集上训练此类模型面临两大障碍：标定不精确会损害动作跟随能力，而对失败交互的覆盖不足则会使预测偏向成功结果。为提升跨机体的动作跟随效果，我们将动作轨迹渲染为空间图像条件，并引入离线几何标定以对齐这些条件与目标视频。为拓宽交互覆盖范围，我们引入反事实后训练（counterfactual post-training），修改已录制的动作轨迹，并在更广泛的动作与接触配置下生成未来视频。为在没有配对真实未来数据的情况下为这些预测提供反馈，我们构建了一个由人工标注的视频数据集，涵盖机器人、物体及交互层面的缺陷，并用其训练一个具身视频奖励模型。其评分用于引导强化学习后训练，以获得更符合物理规律的交互结果。在 AgiBot 上，DreamTrue 达到了最先进的动作跟随性能，同时将人工评估的交互缺陷率从 48.12% 降至 6.25%。值得注意的是，我们的模型在 AgiBot World Challenge 2026 的世界模型赛道中排名第一。项目主页见：https://brave-eai.github.io/DreamTrue。

查看 arXiv 页面 (https://arxiv.org/abs/2610.12468)　查看 PDF (https://arxiv.org/pdf/2610.12468)　项目主页 (https://brave-eai.github.io/DreamTrue/)　GitHub 0 (https://github.com/brave-eai/DreamTrue)　加入收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.12468)

在你的 Agent 中获取这篇论文：

hf papers read 2610.12468

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

引用本文的模型 0

暂无模型关联到本文

在模型的 README.md 中引用 arxiv.org/abs/2610.12468，即可在此页面建立链接。

引用本文的数据集 0

暂无数据集关联到本文

在数据集的 README.md 中引用 arxiv.org/abs/2610.12468，即可在此页面建立链接。

引用本文的 Spaces 1

收录本文的合集 0

暂无合集收录本文

将本文加入一个合集 (https://huggingface.co/new-collection) 即可在此页面建立链接。