ReWorld 用强化学习对齐具身视频生成

Baorui Peng 等作者提出 ReWorld 框架，用强化学习让具身视频生成同时对齐物理真实性、任务完成能力、本体合理性与视觉质量。作者称，他们先构建约 235K 规模的视频偏好数据集，训练分层奖励模型以捕捉与人类偏好一致的多维奖励，再用计算高效的 PPO 式算法对基于流的视频生成器做后训练。 作者称，实验与理论分析显示，ReWorld 在生成 rollout 的物理保真度、逻辑连贯性、本体表现和视觉质量上优于此前方法；同时指出当前模型在接触密集操作任务上对物理保真与任务逻辑关注不足。该工作为 arXiv 预印本，未经同行评议，上述效果为作者自述。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。