RoboDream：组合世界模型用于可扩展的机器人数据合成

arXiv 2026 52.6 method

TLDR

一种组合世界模型，通过合成具有新物体、场景和视角的逼真机器人演示，扩展数据生成并改进策略学习。

评分理由

The paper addresses a critical bottleneck in robot learning by proposing an embodiment-centric world model that decouples trajectory execution from environment synthesis, enabling scalable data generation. Its strengths include real-world validation showing improved policy performance and reduced data requirements, but the abstract lacks explicit discussion of limitations or comparisons to baselines.

Read-first 评分解释

综合优先阅读分 52.6，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 39。

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%

92.1

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：0.92122735

主题相关性 29%

55.7

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 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：实验

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：无

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

排序敏感性

稳定性：volatile；排名波动范围：422。

关键词评分

world model

generative world model

world simulator

video world model

world dynamics prediction

model-based reinforcement learning world model

interactive world model

深度分析

创新点

以具身为中心的世界模型，将生成锚定到渲染的机器人运动，同时以显式场景和物体先验为条件，将轨迹执行与环境合成解耦
检索与重生：将现有轨迹重新用于全新场景，无需新的运动数据
无道具遥操作：操作员在空中操作，模型随后生成目标物体和场景，消除重置时间

方法

该方法使用以具身为中心的世界模型，将视频生成锚定到渲染的机器人运动，以显式场景和物体先验为条件，将轨迹执行与环境合成解耦。它实现了两种数据扩展能力：检索与重生（将轨迹重新用于新场景）和无道具遥操作（从空中操作生成物体/场景）。通过真实世界实验评估下游策略性能。

关键结果

生成的数据持续提升下游策略性能，并在多种操作任务中显著减少真实世界数据需求。

技术栈

视频扩散模型组合世界模型渲染机器人运动场景与物体先验

资源

论文