论文页面 - 面向机器人操作的世界价值模型

来源：https://huggingface.co/papers/2606.24742

摘要

世界价值模型将世界模型与价值估计相结合，提供精确的任务进展评估，并提升机器人从混合质量数据中进行策略学习的能力。

通用价值模型在从大规模、混合质量数据中扩展机器人策略学习方面发挥着关键作用。从数学角度看，准确的价值估计需要深层次的时间理解，这要求模型既能基于历史上下文建立当前信念，又能对未来结果进行规划。然而，现有的大多数机器人价值模型都建立在视觉-语言模型（VLM）骨干网络上，这些骨干网络主要基于静态或时间稀疏的视觉观察进行预训练，缺乏价值估计所需的时间建模能力。与VLM不同，世界模型天然擅长时间建模和未来规划，因此是学习可泛化价值函数的理想基础。受这一洞察驱动，我们将世界模型与价值估计结合，构建了一种新的通用机器人价值模型——世界价值模型（WVM），该模型能够提供准确的任务进展评估，以衡量数据质量。在标准基准上，WVM取得了价值序相关性（VOC）的最先进结果。为了补充仅包含专家数据的标准评估套件，我们进一步引入了Suboptimal-Value-Bench，这是一个多实体基准测试，包含800条带有高保真人工标注帧的次优轨迹。我们的评估表明，WVM在Suboptimal-Value-Bench上仍保持最先进性能，证明了其在处理专家数据和次优数据时的鲁棒性。当部署于策略学习时，WVM在模拟和真实环境部署中均能提升多种策略提取方法的操作性能，为从混合质量数据中学习提供了稳健的指导。

查看 arXiv 页面（https://arxiv.org/abs/2606.24742）查看 PDF（https://arxiv.org/pdf/2606.24742）项目页面（https://zh1hao.wang/wvm/）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.24742）

引用该论文的模型 0

暂无模型链接该论文

请在模型 README.md 中引用 arxiv.org/abs/2606.24742，从而从本页面建立链接。

引用该论文的数据集 0

暂无数据集链接该论文

请在数据集 README.md 中引用 arxiv.org/abs/2606.24742，从而从本页面建立链接。

引用该论文的 Spaces 0

暂无 Space 链接该论文

请在 Space README.md 中引用 arxiv.org/abs/2606.24742，从而从本页面建立链接。

包含该论文的收藏夹 0

暂无收藏夹包含该论文

请将该论文添加到一个收藏夹（https://huggingface.co/new-collection），从而从本页面建立链接。