DOPPEL:单一视频世界模型横跨 8 种机器人本体训练
_krishna_murthy · x · 2026-11-20
研究者发布 DOPPEL,一个跨本体的视频世界模型。核心思路是不再让模型仅从原始动作向量学习,而是把机器人沿规划动作做 3D 渲染,让共享的视频模型同时以渲染结果和动作作为条件,从而预测世界如何响应。
- 训练数据:Doppel-8 汇集约 600 小时、覆盖 8 个数据集,包括机械臂、双臂机器人、人形机器人以及人手与人体
- 效果:在三个机械臂数据集上,未见轨迹的 PSNR 比纯动作基线高 1.00 dB,分布外高 1.20 dB;玩具厨房场景中运动物体 PSNR 从 21.50 提升到 24.85 dB
- 效率:渲染条件化让学习更高效,仅用 63.8% 的训练量即超过纯动作基线
- 缺失相机位姿可从视频恢复;论文与代码已开源
所属事件:Doppel 跨本体视频世界模型开源(3 条相关)→
「具身」频道最新
- GPT-6-Astra 裸测翻车:12 项具身基准 11 项远低于公布成绩 — wzenus · 2026-11-20
- 开发者称破解 JEPA:模型小 30 倍、预测快 100 倍,3080 半小时训成 — MarcJSchmidt · 2026-11-20
- MongoDB 创始人造开源物理 AI 平台 Viam,欲十年部署 10 亿台 — gdequeiroz · 2026-11-20
- Waymo 无人车现身多伦多街头,夜间市区实拍 — GregCook2011 · 2026-11-20
- RealSense 双目 RGB + NVIDIA 立体基础模型实时深度估计 demo — chrismatthieu · 2026-11-20
- 网友复刻语音指令机器人仆人:从预设动作到听懂人话 — Infinite-Job-5616 · 2026-11-20