论文用通用潜动作统一跨具身世界模型的条件接口。
资讯摘要
论文提出 RynnWorld-Latent，一种跨具身视频世界模型，以 RynnLAM 引入的 3D 接地潜动作作为共享条件接口，使人类交互视频、机器人演示与仿真数据可在无共同原生动作空间下联合预训练。作者报告其在约 23 个数据集、约 5.535 亿帧上预训练，并在公开基准与两个真实机器人平台上改善视频预测指标，合成中训练提升 LIBERO 与 LIBERO-Plus 策略成功率。
要点速读
- 以 3D 接地潜动作作为跨具身共享条件接口，支持人类视频、机器人演示与仿真数据联合预训练。
- 在约 23 个数据集、约 5.535 亿帧上预训练，并支持数字遥操作与潜动作合成两条数据生成路线。
- 作者报告公开基准与两个真实机器人平台上视频预测指标改善，合成中训练提升 LIBERO 与 LIBERO-Plus 策略成功率。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:20（北京时间）。