EWMBench
PulseAugur coverage of EWMBench — every cluster mentioning EWMBench across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
PrimeSim：新的世界模型模拟器增强机器人策略优化
研究人员开发了PrimeSim，这是一种新颖的、面向动作的多视图世界模型，用于机器人模拟和策略优化。该模型利用渐进式训练、统一动作表示、视图感知注意力和分层记忆来实现一致的、长期的回滚。PrimeSim在EWMBench和WorldSimProbe等基准测试中表现强劲，优于几种最先进的模型，并有望在机器人领域的强化学习应用中发挥作用。
-
UBTECH 的 Thinker-WM 以统一的多模态模型引领具身人工智能基准 · 跟踪 4 个来源
UBTECH Robotics 发布了其 Thinker-WM，这是一个统一的多模态世界模型，在三个主要的具身人工智能基准测试中取得了最高排名：WorldOlympiad、EWMBench 和 WorldArena 1.0 Track-1。该模型创新之处在于其统一的表示层，它使用共享的统一动态 Transformer (UDT) 来联合处理 RGB 视频、度量深度和机器人动作。这种方法允许单个模型通过将不同模态视为同一底层物理过程的表…
-
EVEWorld框架通过物理一致性增强机器人学习世界模型
研究人员推出了EVEWorld，一个旨在通过关注物理一致性和时间动态来改进机器人学习具身世界模型的新框架。该框架结合了实例引导恢复（IGR）和时间实例对齐（TIA），以增强跨帧的对象一致性并减少“模型懒惰”现象，即模型优先考虑视觉保真度而非物理推理。实验表明，EVEWorld显著降低了模型懒惰率，并在WorldArena 2.0 Track 1等基准测试中取得了有竞争力的排名。
-
原力灵机发布DW0.5具身世界模型，降低机器人训练成本 · 1 source tracked
原力灵机 (Force Intelligence) 发布了 DW0.5，一个旨在充当具身人工智能中视觉-语言-动作 (VLA) 模型教练的世界模型。这个新框架集成到 DFOL 2.0 中，旨在通过在虚拟环境中模拟场景来减少对真实机器人数据的需求。DW0.5 可以预测未来状态，生成成功和失败的动作轨迹，并提供有价值的反馈信号，从而估计将真实世界数据的训练成本降低 60%，总体成本降低 40%。该模型在各种基准测试和复杂任务中表现强劲，在…
-
阿里巴巴的 Qwen-RobotWorld 通过语言接口统一具身人工智能
阿里巴巴的 Qwen 团队推出了 Qwen-RobotWorld，一个专为具身智能设计的语言条件视频世界模型。该模型利用自然语言作为通用接口，预测包括操作、自动驾驶和导航在内的各种机器人领域的未来视觉轨迹。Qwen-RobotWorld 基于双流扩散 Transformer 和广泛的具身世界知识语料库构建，在多个基准测试中表现强劲，并可应用于合成数据生成、虚拟环境评估和机器人控制。