WorldSketch：VLM构建世界模型实现零样本移动操作

Jiaming Wang等人提出WorldSketch：VLM不直接生成机器人动作，而是作为智能体调用感知工具，构建并视觉验证一个只含任务相关物体、交互几何与可能运动的最小运动学世界模型，再由几何规划器在该模型上联合优化接触与全身运动；执行反馈会验证结果、更新不确定假设，并在预测被推翻时修正模型。 作者在RoboCasa、LIBERO-PRO和R2R-CE导航上报告零样本成功率分别为91%、97%和76%。据其称，RoboCasa上比次优零样本智能体基线高58个百分点、VLM输入token少10倍；LIBERO-PRO上比CaP-X高82个百分点；导航成功率与逐步VLM智能体持平、输入token少6倍。 该工作为arXiv预印本（cs.RO，40页），上述指标均出自作者自述，未经同行评议或独立验证。

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。