Visual world models have shown great potential in learning complex system dynamics. Recent advancements leverage these models as transition functions within Model Predictive Control (MPC) frameworks to solve various control tasks. When applied to robotics, however, they are limited to single-stage tasks such as reaching or grasping, and struggle with multi-stage ones that demand complex sequential planning. In this work, we introduce WorldDP, a world model framework designed for multi-stage robotic manipulation. Our hierarchical approach utilizes a high-level world model as a transition function to optimize for feasible subgoals during runtime, which are subsequently reached by a low-level Diffusion Policy. To further aid in learning dynamics and planning, we incorporate object-centric representations that decouple environmental entities and enable us to plan sequentially with respect to each. Evaluated across several robotics benchmarks, WorldDP consistently outperforms existing baselines, validating that coupling the world model's physically grounded planning with diffusion policy's efficient execution yields superior multi-stage performance.


翻译:视觉世界模型在学习复杂系统动力学方面展现出巨大潜力。近期进展将这些模型作为模型预测控制框架中的转移函数应用于各类控制任务。然而,在机器人领域,它们仅局限于单阶段任务(如抓取或触碰),难以完成需要复杂顺序规划的多阶段任务。本研究提出WorldDP——一种面向多阶段机器人操作的世界模型框架。我们的分层方法利用高层世界模型作为转移函数,在运行时优化可行子目标,随后由底层扩散策略实现这些子目标。为进一步辅助动力学学习与规划,我们引入物体中心表示,解耦环境实体,从而能够针对每个实体进行顺序规划。在多个机器人基准评估中,WorldDP持续优于现有基线模型,验证了将世界模型的物理驱动规划与扩散策略的高效执行相结合,能够显著提升多阶段任务性能。

0
下载
关闭预览

相关内容

《图世界模型:概念、分类体系与未来方向》
专知会员服务
22+阅读 · 5月1日
智能体化世界建模:基础、能力、规律及展望
专知会员服务
24+阅读 · 4月28日
机器人领域的多任务泛化研究
专知会员服务
16+阅读 · 1月14日
走向通用人工智能之路,世界模型为何不可或缺?
专知会员服务
21+阅读 · 2025年7月1日
机器人操作扩散模型综述
专知会员服务
21+阅读 · 2025年4月14日
【MIT博士论文】通过神经物理构建世界模型
专知会员服务
36+阅读 · 2025年4月3日
可解释的机器学习模型和架构
专知会员服务
93+阅读 · 2023年9月17日
这可能是「多模态机器学习」最通俗易懂的介绍
计算机视觉life
113+阅读 · 2018年12月20日
国家自然科学基金
15+阅读 · 2016年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
11+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
14+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
12+阅读 · 2014年12月31日
国家自然科学基金
50+阅读 · 2009年12月31日
国家自然科学基金
17+阅读 · 2008年12月31日
Arxiv
0+阅读 · 6月11日
VIP会员
最新内容
《无人机脆弱性利用:网络空间力量的新域》
专知会员服务
2+阅读 · 今天4:08
美空军如何将人工智能从战场部署至后方机关
专知会员服务
11+阅读 · 7月31日
《史诗怒火行动:多域前瞻评估》49页报告
专知会员服务
7+阅读 · 7月31日
《英国防部:未来空战系统数字化战略》33页
专知会员服务
5+阅读 · 7月31日
《面向自主飞行网络的智能体人工智能架构》
专知会员服务
7+阅读 · 7月31日
“史诗怒火”行动:现代多域作战的重要节点
专知会员服务
8+阅读 · 7月30日
《下一代无线网络中的多无人机通信资源管理》
相关VIP内容
《图世界模型:概念、分类体系与未来方向》
专知会员服务
22+阅读 · 5月1日
智能体化世界建模:基础、能力、规律及展望
专知会员服务
24+阅读 · 4月28日
机器人领域的多任务泛化研究
专知会员服务
16+阅读 · 1月14日
走向通用人工智能之路,世界模型为何不可或缺?
专知会员服务
21+阅读 · 2025年7月1日
机器人操作扩散模型综述
专知会员服务
21+阅读 · 2025年4月14日
【MIT博士论文】通过神经物理构建世界模型
专知会员服务
36+阅读 · 2025年4月3日
可解释的机器学习模型和架构
专知会员服务
93+阅读 · 2023年9月17日
相关基金
国家自然科学基金
15+阅读 · 2016年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
11+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
14+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
12+阅读 · 2014年12月31日
国家自然科学基金
50+阅读 · 2009年12月31日
国家自然科学基金
17+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员