研究人员开发了$\mu_0$，一种新颖的机器人世界模型，它利用3D交互轨迹来预测显著物体和点的运动。这种方法绕过了对特定于具身行为的动作标签的需求，从而实现了更具可扩展性的机器人学习。该系统借助TraceExtract工具自动提取3D监督信息，并使用模块化轨迹专家预训练视觉语言骨干网络。实验表明，$\mu_0$的表现优于现有的轨迹预测模型和标记化VLM方法，确立了3D轨迹作为可转移的操纵任务表示。 AI
影响 确立了3D轨迹作为机器人跨具身操纵的可扩展且可转移的表示。
排序理由 发布了一篇详细介绍新AI模型和方法的学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.13769v1 Announce Type: cross Abstract: World models that capture how actions induce physical change enable scalable robot learning without reliance on embodiment-specific action labels. Pixel-space video models provide broad visual priors but expend model capacity on d…
A scalable world model called μ₀ uses 3D traces to predict smooth trajectories for key interaction points, enabling embodiment-agnostic robot learning without action labels.
World models that capture how actions induce physical change enable scalable robot learning without reliance on embodiment-specific action labels. Pixel-space video models provide broad visual priors but expend model capacity on dense appearance reconstruction, while direct actio…