Hourglass：耦合本体无关世界模型与可微自我动力学的跨本体运动规划

Hourglass 提出一种沙漏形架构，把跨本体运动规划分解为与本体无关的世界模型和各机器人可微的自我动力学，两者仅通过相机自我运动这一接口耦合。世界模型在跨本体、跨相机安装的数据上联合训练，每个机器人的自我动力学是带辨识物理参数的降阶模板，通用参数条件策略在该接口上学习一次，想象训练经由各机器人模板使策略具备本体感知。在五种运动类型共七个仿真机器人上，该通用策略成功率比同一世界模型上的模仿学习和扩散策略基线高 3.8 至 10.6 个百分点，无需专门训练即可匹配各机器人专家策略，并在不使用在线地图时接近其参数条件 MPPI 教师 1.4 至 2.8 个百分点。