SceneBloom：AI 生成 3D 场景训练机器人，导航增益达真实扫描 1.7 倍
Lianhuiq · x · 2026-10-29
论文提出 SceneBloom，一个用于具身学习的智能体式室内环境生成框架，探讨「生成的场景能否比真实数据更好地训练具身智能体」。
方法上，分层采样器利用扩散先验在功能区内生成家具布局；编译器再根据从提案中抽取的关系引导几何拟合与局部姿态修正，把视觉生成结果转成物理有效的 3D 场景。
结果：在五种房间类型上取得最高的视觉质量与物理稳定性，是唯一无网格碰撞、无越界物体的方法，布局分布最接近真实房间。用其场景训练的物体导航策略，在留出的真实扫描上成功率高于用同等数量真实训练扫描训练的策略（导航增益 1.7 倍）。论文与代码均已公开。
所属事件:SceneBloom 用扩散模型生成 3D 场景训练机器人(3 条相关)→
「具身」频道最新
- NVIDIA Inception 物理智能负责人 11 月 2 日 SF 晚宴,主题制造业机器人 — AnneliesGamble · 2026-10-29
- REK 2.1 11月20日发布：仿真赛赢者可操控真机器人 — cixliv · 2026-10-29
- 80-150 美元的 AI 驱动 KVM 问世:VLM 可裸机操控任意电脑 — Porespellar · 2026-10-29
- 具身智能公司 Antioch 融资 3200 万美元,纽约扩张招聘 — IanAndrewsDC · 2026-10-29
- MotionBricks 浏览器 demo:CPU 本地实时生成机器人行走动画 — victormustar · 2026-10-29
- Apple 机器人演示又出新花样，迷你「捏取」动作逗笑网友 — RileyRalmuto · 2026-10-29