Image2Sim: 通过生成式神经模拟器扩展具身导航

arXiv 2026 35.3 method, system

TLDR

Image2Sim利用神经高斯模型从带姿态的RGB-D图像构建交互式3D环境，生成2万场景和1千万导航样本以提升具身导航。

评分理由

Strengths include a novel decoupling of spatial anchoring and observation synthesis, enabling scalable data generation and strong benchmark improvements. Weaknesses are reliance on posed RGB-D input and limited discussion of sim-to-real transfer validation.

Read-first 评分解释

综合优先阅读分 35.3，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 37。

近期性 5%

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 15%

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、数据集、结果

主题相关性 25%

52.9

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 15%

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：数据集

图谱声望 15%

5.7

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0016

引用影响力 15%

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 10%

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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：341。

关键词评分

world simulator

generative world model

world model

interactive world model

world dynamics prediction

video world model

model-based reinforcement learning world model

深度分析

创新点

将3D空间锚定与逼真观察合成解耦用于神经模拟
前馈特征高斯模型，从带姿态的RGB-D图像单次构建场景
几何感知单步像素流模型，从稀疏高斯投影渲染高质量全景RGB-D
全自动具身数据引擎，大规模生成高保真观测、动作和多样化指令
将神经模拟扩展到2万个交互式场景和1千万导航样本，实现零样本真实世界迁移

方法

Image2Sim使用前馈特征高斯模型从带姿态的RGB-D序列构建3D环境，然后通过几何感知单步像素流模型渲染全景RGB-D观测。它自动化生成包括观测、动作和指令在内的导航数据，完全在神经环境中训练模型。

关键结果

在Image2Sim神经环境中训练的导航模型在主要基准测试上取得显著改进，并有效迁移到现实世界的零样本设置，使用了2万个场景和超过1千万个合成训练样本。

资源

论文