PhysMani

PhysMani框架通过基于物理的3D世界模型增强AI物体操作能力

研究人员推出了一种名为PhysMani的新型框架，旨在改善具身AI在复杂3D环境中对快速移动物体的操作能力。该系统集成了基于物理的3D高斯世界模型和面向未来的动作策略。世界模型通过学习无散高斯速度场来预测物理约束下的未来动力学，而策略模型则利用交叉注意力机制整合这些预测。PhysMani在一个新的动态操作基准PhysMani-Bench上展示了优于现有方法的性能，该基准包含16个任务，并在模拟和真实机器人实验中进行了测试。