KAIST 提出 AFFECT:让世界模型真正学会动作改变了什么
John Won · hf · 2026-11-20
KAIST 团队提出 AFFECT,一个训练世界模型的辅助目标。现有世界模型虽能生成逼真视频,却常无法捕捉微小动作变化对未来观测的影响,限制了机器人策略评估与模型基规划等应用。
方法:向策略的动作注入时间相关噪声,训练世界模型使其生成视频对噪声作出与录像一致的响应,无需从同一初始状态重复执行。在 OGBench 仿真和真实世界 DROID、ALOHA-2 设置上,AFFECT 提升了 rollout 保真度与规划成功率,例如 DROID 上策略成功率与预测的相关性显著改善。
「具身」频道最新
- GXO 与 Apptronik 签的是意向书:至多 1000 台人形机器人取决于四年 KPI — YvesMulkers · 2026-11-20
- NVIDIA 开源 SOMA Retargeter:将人类动作一键适配五种人形机器人 — jonstephens85 · 2026-11-20
- 清华联合多校发布 Mind2Act World 基准,180 项操作任务考验机器人心手脑协同 — Mind2Act-World · 2026-11-20
- ZeroVLN 免对 VLM 微调实现导航:语义工具调用+闭环 RL 优于 SFT 方法 — ZYT-AI · 2026-11-20
- 机器人 Paper Club 录像上线:聚焦 VLA 后训练四篇论文 — DominiqueCAPaul · 2026-11-20
- 中国学生造出可穿戴战术背包机器人,演示视频走红 — TinfoilTricorn · 2026-11-20