用于人形机器人接触规划的自我视觉世界模型

arXiv 25.10 2025 56.3 method, application

TLDR

结合世界模型与MPC的人形机器人接触规划框架，离线训练并部署于真实机器人。

评分理由

The paper presents a novel integration of a world model with sampling-based MPC for contact-rich humanoid tasks, demonstrating real-world deployment and improved sample efficiency. However, the scope is limited to contact planning and the abstract does not detail comparisons to other world model approaches or ablation studies.

Read-first 评分解释

综合优先阅读分 56.3，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 32。

近期性 8%

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 25%

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：数据集、评估

可复现性 25%

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：代码、数据集、GitHub

主题相关性 42%

45.7

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

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：344。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

interactive world model

world simulator

generative world model

video world model

深度分析

创新点

将学习的世界模型与基于采样的模型预测控制（MPC）相结合，用于人形机器人接触规划
在无演示的离线数据集上训练，以在压缩的潜在空间中预测未来结果
使用学习的替代价值函数来解决稀疏接触奖励和传感器噪声问题，实现密集且鲁棒的规划
一个单一可扩展模型支持多种接触感知任务，相比在线策略RL具有更高的样本效率和多任务能力

方法

该框架整合了一个学习的世界模型，该模型在无演示的离线数据集上训练，用于在压缩的潜在空间中预测未来状态。基于采样的模型预测控制（MPC）规划器使用学习的替代价值函数来处理稀疏接触奖励和传感器噪声，实现密集且鲁棒的规划。该系统使用本体感觉和自我中心深度图像部署在物理人形机器人上。

关键结果

该方法相比在线策略强化学习实现了更高的样本效率和多任务能力，并成功部署在物理人形机器人上，用于实时接触规划任务，包括扰动后的墙壁支撑、阻挡来袭物体以及穿越高度限制的拱门。

局限性

依赖离线数据集的质量和覆盖范围，可能无法捕捉所有可能的接触场景
学习的世界模型中潜在的预测误差可能影响规划精度
评估仅限于三种特定的接触感知任务，未验证在更广泛环境中的泛化能力

技术栈

Learned world modelSampling-based Model Predictive Control (MPC)Offline datasetSurrogate value functionProprioceptionEgo-centric depth images

资源

论文项目