隐空间扩散世界模型LaDi-WM大幅提升机器人操作策略的成功率和跨场景泛化能力

国防科大、北京大学、深圳大学联合团队提出了一种基于隐空间扩散的世界模型LaDi-WM，通过结合DINOv2与Siglip提取几何与语义特征，构建通用隐空间表示，并设计了基于世界模型预测的扩散策略，通过迭代优化提升机器人操作准确性。实验表明，该方法在LIBERO-LONG数据集上实现68.7%的成功率，比现有方法提升27.9%，在真实场景中也提升了20%的操作成功率。模型在跨任务、跨场景下表现出良好泛化能力与鲁棒性，显著提升了机器人抓取操作的性能。
来源：https://mp.weixin.qq.com/s/TNRZJ1NJDpvq1zGnmWFnOg