WorldDiT 统一动作生成与未来帧预测，做出机器人基线
bageldotcom · hf · 2026-07-28
WorldDiT 用统一扩散架构同时建模世界和动作
Bagel Labs 提出 WorldDiT：一个统一的 diffusion transformer，不再依赖大型预训练 VLM 作为动作骨干，而是让同一个模型同时生成连续动作块，并预测未来相机帧的归一化 RGB patch。
论文给出的核心结果是：
- 在 4 套 LIBERO 仿真基准 上评测
- 在“总参数量 vs. 平均成功率”的对比中，被作者称为处于 Pareto frontier
- 作为一个 10 亿参数以下 的基线，为后续扩展研究提供参考
所属事件:Bagel Labs发布WorldDiT统一机器人建模与控制(3 条相关)→
「具身」频道最新
- 特斯拉新 Roadster 冷气推进拆解:SpaceX 储罐+Optimus 阀门 — XFreeze · 2026-10-16
- 博主批 Figure 终结者式演示作秀:人形机器人离实用还远 — FuSheng_0306 · 2026-10-16
- Snap 眼镜+Gemini 4 Argon:拍乐高堆即设计全息拼搭教程 — stspanho · 2026-10-16
- Waymo 官宣进军多伦多,自动驾驶出租再下一城 — ChrisArchitect · 2026-10-16
- 特斯拉 Optimus 年内发布概率升至 12%,飞行 Roadster 发布后跳涨 5% — Polymarket · 2026-10-16
- 卖机器人智能的公司比卖机器人本体还多：Dexmate Vega 成学界通用平台 — lukas_m_ziegler · 2026-10-16