AnchorDream：重新利用视频扩散模型实现具身感知的机器人数据合成

arXiv 2025 44 method, application

TLDR

AnchorDream将视频扩散模型用作具身感知世界模型，从少量演示合成多样机器人数据，模拟提升36.4%，真实近乎翻倍。

评分理由

The paper presents a novel method that conditions video diffusion on robot motion renderings to generate consistent training data, with strong empirical results in both simulation and real-world settings. However, its scope is narrow, focusing on robot data synthesis rather than general world modeling, and it does not address interactive or model-based RL aspects.

Read-first 评分解释

综合优先阅读分 44，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 43。

近期性 6%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、数据集、实验、结果

主题相关性 29%

61.4

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：数据集

引用影响力 18%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。引用数：0

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：408。

关键词评分

world model

generative world model

video world model

world simulator

world dynamics prediction

interactive world model

model-based reinforcement learning world model

深度分析

创新点

将预训练视频扩散模型重新用作具身感知世界模型，用于机器人数据合成
将扩散过程条件于机器人运动渲染，以锚定具身并防止幻觉
合成与机器人运动学一致的对象和环境，无需显式环境建模
将少量人类遥操作演示扩展为大规模、多样化的数据集

方法

AnchorDream重新利用预训练的视频扩散模型，并将其条件于机器人运动渲染以锚定具身，生成具有不同对象和环境的机器人任务视频，这些对象和环境与机器人的运动学一致。从少量人类遥操作演示开始，无需显式环境建模即可将其扩展为大规模、多样化的数据集。

关键结果

AnchorDream生成的数据改善了下游策略学习，在模拟器基准中实现了36.4%的相对提升，在真实世界研究中性能几乎翻倍。

资源

论文