arXiv · cs.RO官方发布· Xiaodong Wang, Tianle Li, Chuanxin Song, Junliang Xie, Zhanmi Zhong, Suiying Wu, Peixi Peng·· 2 小时前精选AI 评分60
论文 / 摘要阅读
SimForcing：将仿真运动先验蒸馏进真实域机器人世界模型
SimForcing: Distilling Simulation Motion Priors into Real-Domain Robot World Models
AI 导读 · 根据来源整理
SimForcing 提出一种仿真引导框架，把仿真同时作为可迁移运动知识来源和可控预测参考，用于动作条件机器人世界模型。方法先用潜空间运动蒸馏从仿真教师迁移运动知识，对齐潜空间中的时序变化以吸收运动先验并减弱外观差异影响；再引入带条件丢弃的多块仿真条件，避免过度依赖仿真预测轨迹的准确性，并通过仿真条件无分类器引导统一两者。联合训练的学生模型可同时生成仿真条件与真实域视频，推理时无需额外世界模型。在 Bridge 上，该方法在无外部具身预训练条件下取得对比方法中最好的 PSNR、SSIM、LPIPS 和 FVD；在 InternData-A1 上的评测支持其跨机器人数据集的适用性。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org