世界模型内训机器人策略,全程零仿真器,真机上零样本部署
chris_j_paxton · x · 2026-09-04
Joseph Amigo 等人（NYU/ISIR，RoboPapers 社区）发布预印本《Coupled Local and Global World Models for Efficient First Order RL》，提出在纯学习到的世界模型里完成 RL 策略训练并直接部署到真实机器人。
核心问题：世界模型 RL 通常不可行——要做梯度回传需要精确的接触动力学，这要求模型大到计算成本无法接受。
方法：解耦一阶梯度（FoG）RL——
- 大规模全局世界模型（Push-T 用 DIAMOND，自我中心任务用 DreamerV4）负责生成高保真的前向轨迹；
- 一个轻量的潜空间局部代理模型近似其局部动力学，用于高效梯度计算；
- 世界模型本身也从真实世界数据从零学习，全程不依赖仿真器。
结果：策略在世界模型内从零训练后零样本部署到真实硬件：桌面机械臂 Push-T、G1 人形机器人自我中心抓取举起、Go2 四足推方块。在经典 Push-T 真机基准上样本效率显著优于 PPO，更复杂的自我中心操作任务也有类似收益。代码即将发布。
所属事件:耦合局部与全局世界模型，机器人零仿真器学会富接触操作(2 条相关)→
「具身」频道最新
- Sentdex 晒机器人训练难点：从躺地到半跪再到站起 — Sentdex · 2026-10-21
- NVIDIA 开源 MotionBricks:单模型生成 35 万动作技能,2ms 延迟 — aftahi_ai · 2026-10-21
- FLoTS-SLAM:用光流残差推导运动不确定性,动态场景单目 SLAM 掩码精度达 0.73 — zhenjun_zhao · 2026-10-21
- Plato 戒指发布:199 美元把气声语音变成 AI 指令 — TinfoilTricorn · 2026-10-21
- Dream-1 上线 24 小时驱动 31 种未见机器人,遍布 53 国 — gharik · 2026-10-21
- 斯坦福 T2-z：机器人戳一下桌面，任务成功率从 34% 提到 73% — stanfordnlp · 2026-10-21