GigaBrain-0.5M：一个从基于世界模型的强化学习中学习的VLA模型

arXiv 26.2 2026 70 method, system, application

TLDR

GigaBrain-0.5M将基于世界模型的强化学习集成到VLA中，在真实机器人任务上实现约30%的提升。

评分理由

The paper presents a novel integration of world model-based reinforcement learning with vision-language-action models, showing substantial empirical gains on challenging real-world tasks. However, the abstract lacks detailed methodology for RAMP and does not compare against other world model approaches.

Read-first 评分解释

综合优先阅读分 70，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 54。

近期性 8%

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 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：基线、基准、结果、验证

主题相关性 42%

77.1

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 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：GitHub

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：91。

关键词评分

world model

model-based reinforcement learning world model

video world model

world dynamics prediction

generative world model

world simulator

interactive world model

深度分析

创新点

将基于世界模型的强化学习（RAMP）集成到VLA模型中，实现跨任务适应
GigaBrain-0.5M*模型结合大规模机器人预训练（10,000小时）与基于世界模型的强化学习
在具有挑战性的操作任务上相比RECAP基线实现约30%的显著性能提升

方法

GigaBrain-0.5M*基于GigaBrain-0.5构建，后者在超过10,000小时的机器人操作数据上预训练。它进一步通过RAMP（基于世界模型条件策略的强化学习）方法集成基于世界模型的强化学习，以实现鲁棒的跨任务适应。该模型在衣物折叠、箱子打包和浓缩咖啡制作等任务上与RECAP基线进行对比评估，并通过真实世界部署视频进行验证。

关键结果

RAMP在衣物折叠、箱子打包和浓缩咖啡制作等具有挑战性的任务上相比RECAP基线实现了约30%的性能提升。GigaBrain-0.5M*展现出可靠的长时程执行能力，能够持续完成复杂操作任务且无失败，这通过真实世界部署视频得到验证。

资源

论文项目