GigaWorld-0：世界模型作为数据引擎赋能具身AI

arXiv 25.11 2025 60.7 method, system

TLDR

GigaWorld-0是一个统一世界模型框架，生成多样物理逼真具身数据以训练VLA模型，在真实机器人上取得强性能

评分理由

Strengths include a novel integration of video and 3D generation for scalable data synthesis, with real-world validation on physical robots. Weaknesses are limited discussion of limitations and potential computational costs despite efficiency claims.

Read-first 评分解释

综合优先阅读分 60.7，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 52。

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

主题相关性 42%

74.3

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 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：评估、指标

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：无

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：370。

关键词评分

world model

generative world model

video world model

world simulator

world dynamics prediction

interactive world model

model-based reinforcement learning world model

深度分析

创新点

统一的世界模型框架，设计为视觉-语言-动作（VLA）学习的数据引擎
集成GigaWorld-0-Video用于大规模视频生成，具备对外观、相机视角和动作语义的细粒度控制
集成GigaWorld-0-3D，结合3D生成建模、3D高斯泼溅重建、物理可微系统辨识和可执行运动规划，以确保几何一致性和物理真实感
视频与3D组件的联合优化，以合成视觉吸引、空间连贯、物理合理且指令对齐的具身交互数据
高效的GigaTrain框架，利用FP8精度和稀疏注意力，大幅降低大规模训练的内存和计算需求

方法

GigaWorld-0由两个协同组件组成：GigaWorld-0-Video用于在细粒度控制下生成多样化、纹理丰富、时间连贯的具身序列，GigaWorld-0-3D通过3D生成建模、高斯泼溅、可微系统辨识和运动规划确保几何一致性和物理真实感。它们的联合优化实现了具身交互数据的可扩展合成，而GigaTrain框架利用FP8精度和稀疏注意力使大规模训练可行。

关键结果

GigaWorld-0生成高质量、多样化且可控的数据。仅使用GigaWorld-0生成数据训练的VLA模型（GigaBrain-0）在真实世界中取得了强性能，显著提升了泛化能力和任务成功率，且训练过程中无需任何真实世界交互。

技术栈

GigaWorld-0-VideoGigaWorld-0-3DGigaTrainFP8-precisionsparse attention3D Gaussian Splattingdifferentiable system identificationmotion planning

资源

论文