GWM：面向可扩展的高斯世界模型的机器人操作

ICCV 25 2025 70 method

TLDR

GWM利用高斯基元和潜在扩散变换器预测机器人操作的未来3D场景，从而改进模仿学习和基于模型的强化学习。

评分理由

The paper introduces a novel 3D world model leveraging Gaussian splatting and a latent DiT, showing strong empirical results in both simulated and real-world robotic manipulation tasks. However, the abstract lacks detailed quantitative comparisons and discussion of limitations, making it hard to fully assess scalability and generalizability.

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 61。

主题相关性 42%

87.1

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

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：实验、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：代码、GitHub

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：213。

关键词评分

world model

world dynamics prediction

world simulator

generative world model

model-based reinforcement learning world model

interactive world model

video world model

深度分析

创新点

提出了用于机器人操作的高斯世界模型（GWM），通过推断在机器人动作下高斯基元的传播来重建未来状态。
将潜在扩散变换器（DiT）与3D变分自编码器相结合，利用高斯泼溅实现细粒度的场景级未来状态重建。
GWM具有双重用途：通过自监督未来预测增强模仿学习的视觉表示，并作为基于模型的强化学习的神经模拟器。

方法

GWM通过建模在机器人动作条件下高斯基元的传播来重建未来状态。它采用与3D变分自编码器集成的潜在扩散变换器（DiT），利用高斯泼溅实现细粒度的场景级未来状态重建。该模型通过自监督未来预测进行训练，可用于模仿学习或作为基于模型的强化学习的模拟器。

关键结果

GWM在模拟和真实世界实验中均能精确预测基于不同机器人动作的未来场景。使用GWM训练的策略以显著优势超越最先进方法，展示了3D世界模型的初始数据扩展潜力。

技术栈

Gaussian SplattingDiffusion Transformer (DiT)3D Variational Autoencoder (3D VAE)

资源

论文项目