GaussianDream：用于机器人操作的前馈式3D高斯世界模型

arXiv 2026 59.4 method, application

TLDR

一种前馈式3D高斯世界模型插件，用于机器人操作，捕捉空间结构和未来演化，在基准测试中达到SOTA。

评分理由

The paper presents a novel world model that integrates 3D Gaussian representations with future prediction, showing strong empirical results on both simulated and real-robot tasks. However, the abstract lacks details on limitations, such as generalization to diverse environments or computational overhead, and the inference-time discarding of auxiliary heads may limit interpretability.

Read-first 评分解释

综合优先阅读分 59.4，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 44。

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

引用影响力 18%

80.4

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。归一化引用分位：0.80408109

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、实验、指标、结果

主题相关性 29%

62.9

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：代码

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

基础论文前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：320。

关键词评分

world model

world dynamics prediction

generative world model

model-based reinforcement learning world model

interactive world model

video world model

world simulator

深度分析

创新点

用于视觉-语言-动作策略的前馈式3D高斯世界模型插件
编码器中的可学习GaussianDream查询，用于捕捉当前帧3D空间结构和短期未来演化
使用静态重建头和未来预测头进行训练，由RGB、深度和伪3D场景流信号监督
推理时效率高，丢弃辅助头，仅保留学习到的前缀用于动作生成

方法

GaussianDream在编码器中引入可学习的GaussianDream查询，以捕捉当前帧3D空间结构和短期未来演化。训练时，潜在前缀由静态重建头和未来预测头处理，生成当前和未来的3D高斯状态，并由RGB、深度和伪3D场景流信号监督。推理时，丢弃所有辅助头，学习到的前缀直接条件化动作生成，无需测试时的重建或未来预测。

关键结果

GaussianDream在LIBERO上达到98.4%，在RoboCasa Human-50上达到54.8%，在真实机器人任务上达到50.0%，同时比基于视频的世界模型方法提供更高的推理效率。

技术栈

3D GaussianVLAFeed-forwardRGB-DScene-flow

资源

论文