Deform360：用于可变形世界模型的大规模多视图触觉数据集

arXiv 2026 46.5 benchmark

TLDR

大规模多视图触觉数据集，评估可变形物体世界模型，比较2D视频与3D粒子方法。

评分理由

The paper's strength lies in its massive real-world dataset and systematic comparison of world model paradigms, but it is limited to deformable objects and only provides a preliminary robot planning demonstration rather than a full method.

Read-first 评分解释

综合优先阅读分 46.5，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%

100

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：2026

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：分析、基准、数据集、评估、指标

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：576。

关键词评分

world model

world dynamics prediction

video world model

world simulator

generative world model

model-based reinforcement learning world model

interactive world model

深度分析

创新点

大规模多视图视觉触觉数据集（Deform360），包含198个物体、1,980个序列、215小时、41个相机和双手触觉夹爪
新颖的无标记视觉触觉3D跟踪管道，用于提取密集几何和运动
系统比较2D视频模型和3D粒子模型在可变形世界建模中的表现
提供基准以及关于结构先验与可扩展性权衡的见解

方法

Deform360数据集通过41个环绕视图相机和双手触觉夹爪收集，涵盖198个日常物体的1,980个交互序列。使用无标记视觉触觉3D跟踪管道提取密集几何和运动。在该数据上评估了最先进的2D视频和3D粒子世界模型，并通过机器人规划任务展示了真实世界的适用性。

关键结果

评估揭示了2D视频模型和3D粒子模型在结构先验与可扩展性方面的权衡。初步的机器人规划演示显示了该数据集在真实世界可变形物体操作中的潜力。

技术栈

41台环绕视图相机双手触觉夹爪无标记视觉触觉3D跟踪管道

资源

论文