GAF：高斯动作场作为机器人操作的动态世界模型

arXiv 25.6 2025 40 method, application

TLDR

GAF通过运动属性扩展3D高斯泼溅，实现4D动态场景建模，提升重建质量和机器人操作成功率。

评分理由

The paper introduces a novel 4D representation (GAF) that integrates motion attributes into 3DGS, enabling dynamic scene modeling and action reasoning. Strengths include significant quantitative improvements in reconstruction quality and manipulation success rates. Weaknesses include a narrow focus on robotic manipulation and lack of discussion on computational overhead or generalization to other domains.

Read-first 评分解释

综合优先阅读分 40，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 46。

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

主题相关性 29%

65.7

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

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：实验

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：GitHub

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

排序敏感性

稳定性：volatile；排名波动范围：294。

关键词评分

world model

world dynamics prediction

generative world model

interactive world model

video world model

world simulator

model-based reinforcement learning world model

深度分析

创新点

提出了V-4D-A框架，通过高斯动作场（GAF）从运动感知的4D表示中直接进行动作推理
将3D高斯泼溅（3DGS）扩展为具有可学习运动属性的4D动态场景和操作动作建模
提供三个相互关联的输出：当前场景重建、未来帧预测和通过高斯运动的初始动作估计
采用动作-视觉对齐的去噪框架，以初始动作和高斯感知的统一表示为条件，获得更精确的动作

方法

GAF通过引入可学习的运动属性扩展3D高斯泼溅，以4D方式建模动态场景和机器人动作。它输出场景重建、未来帧预测和通过高斯运动的初始动作估计。这些输出随后被输入到一个动作-视觉对齐的去噪框架中，该框架以统一表示为条件，以细化动作。

关键结果

GAF在重建质量上实现PSNR提高+11.5385 dB、SSIM提高+0.3864、LPIPS降低-0.5574，并在机器人操作任务中平均成功率比最先进方法提高+7.3%。

技术栈

3D Gaussian SplattingGaussian Action Fieldaction-vision-aligned denoising framework

资源

论文项目