Doppel 世界模型:先渲染机器人身体,一个模型通吃 8 种具身

mangahomanga · x · 2026-11-19

Doppel 是一个因子化的视频世界模型:不再让模型从原始动作向量学习机器人怎么动,而是先按计划动作从相机视角 3D 渲染出机器人身体,再用一个共享视频模型以渲染结果+动作作为条件生成世界反馈。关键结果:- Doppel-8 在约 600 小时数据(机械臂、双臂机器人、人形、人手与人体共 8 个数据集)上训练,单一模型跨 8 种具身;- 三个机械臂数据集上,未见轨迹 PSNR 比纯动作基线高 1.00 dB,分布外高 1.20 dB;- 同一玩具厨房场景中,运动物体 PSNR 从 21.50 提到 24.85 dB;- 渲染条件化让学习更高效:仅用三个机械臂数据集训练即以 63.8% 更少训练步数超过共享动作基线;- 机器人数据集中缺失的相机位姿从视频里恢复。

所属事件:Doppel开源:单一视频世界模型统一八种机器人本体(2 条相关)→

原文链接 →

「具身」频道最新

更多「具身」频道 AI 资讯 →