Ropedia W0：利用人类经验跨具身形态扩展移动操作世界模型

arXiv 2026 43.6 method

TLDR

Ropedia W0 是跨具身移动操作世界基础模型，支持从零样本到后训练的预测、规划与实时VR推演。

评分理由

The paper introduces a large-scale unified dataset and benchmark, with strong empirical evaluation across multiple embodiments. However, reliance on manual keypoint annotation and limited detail on zero-shot generalization constraints visible in the abstract temper the claims.

Read-first 评分解释

综合优先阅读分 43.6，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 57。

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

主题相关性 25%

81.4

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 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、评估

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：代码、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：635。

关键词评分

world model

interactive world model

world dynamics prediction

world simulator

generative world model

model-based reinforcement learning world model

video world model

深度分析

创新点

首个覆盖人类与多种机器人具身的自我中心移动操作世界基础模型。
Xp-Data：包含10k小时自我中心人类数据和3k小时机器人数据的精选数据集，具有统一多模态标注与系统性质量控制。
统一运动学表示：用相机位姿编码移动，用投影骨架编码操作；机器人骨架结合具身特定前向运动学与大量人工关键点标注、修正。
Xp-Teleop：基于高质量灵巧人形遥操作数据的长时程移动操作基准。
蒸馏后的模型支持实时、分钟级推演，从而实现实时VR交互。

方法

Ropedia W0 在 Xp-Data 上训练，该数据集包含10k小时自我中心人类数据和3k小时机器人数据，并带有统一多模态标注。统一运动学表示用相机位姿编码移动、用投影骨架编码操作；机器人骨架结合具身特定前向运动学与人工关键点标注/修正。评估在五个跨具身基准和保留的人类自我中心视频上进行，覆盖零样本、少样本与全量数据后训练；随后通过蒸馏实现实时部署。

关键结果

Ropedia W0 在五个跨具身基准（DreamDojo、Ψ_0、ω-HOME、Xp-Teleop 和 AgiBot）以及保留的人类自我中心视频上均达到最先进性能，覆盖从零样本推理到少样本和全量数据后训练。扩大人类预训练数据可同时提升人类与机器人评估性能；蒸馏后的模型支持实时、分钟级推演，可用于实时VR交互。

技术栈

Xp-DataXp-TeleopUnified kinematic representationModel distillationVR interaction

资源

论文