RoboScape-R: 统一奖励-观测世界模型用于通过强化学习实现可泛化机器人训练

arXiv 25.12 2025 54.1 method

TLDR

提出RoboScape-R框架，通过世界模型内生奖励增强机器人RL泛化。

评分理由

The paper introduces a novel reward mechanism derived from the world model's intrinsic dynamics, addressing the lack of general reward signals in RL. However, the abstract lacks explicit mention of real-world experiments, and the claims about generalization are not supported by specific empirical results or benchmarks.

Read-first 评分解释

综合优先阅读分 54.1，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 41。

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：基线、实验

主题相关性 42%

58.6

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：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：382。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

world simulator

generative world model

interactive world model

video world model

深度分析

创新点

世界模型作为RL范式中具身环境的通用代理
新颖的基于世界模型的通用奖励机制，从模型对状态转移动态的内在理解中生成内生奖励
用于可泛化机器人训练的统一奖励-观测世界模型框架

方法

RoboScape-R使用世界模型作为强化学习的代理环境。它引入了一种奖励机制，从模型对状态转移的理解中生成内生奖励，消除了对手工设计奖励函数的需求。该框架在域外场景中与基线进行了评估。

关键结果

在域外场景下，平均性能比基线提升37.5%。

资源

论文