WM-LOCO：世界模型增强人形机器人视觉运动

Yuxi Liu、Lijun Han等作者提交预印本论文，提出WM-LOCO：用联合训练的世界模型为视觉运动策略提供预测上下文，让机器人在沟壑、踏脚石、楼梯和平衡木等落脚受限地形上行走。方法以机载深度观测和本体感知为输入，用循环状态空间模型（RSSM）学习动作条件潜动力学，预测未来本体状态、自我中心观测和任务奖励，再把循环特征送入PPO actor-critic。 作者报告，仿真中四类地形平均成功率分别为96.0%、96.9%、94.0%和92.1%，优于所评估的基线，并改善步态效率与平滑度；还称零样本sim-to-real迁移到Unitree G1后，这四类地形成功率为92.5%。上述数字均为作者自报，论文为8页预印本，未经同行评议，实机结果也未独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。