SyncWorld：视觉校准让世界模型成为零样本模拟器
SyncWorld是一种动作条件世界模型，旨在无需额外训练即可模拟机器人在未见环境中的动作。由于环境、摄像机视角、机器人位置或机体形态的变化，同一个数值动作可能产生不同的视觉结果，从而导致训练监督冲突以及部署时的泛化不稳定。SyncWorld通过包含图像与动作配对的视觉校准片段，描述特定设置下可控制的自由度，使模型能够依据视觉证据和交互历史理解动作。实验表明，该模型可以在未知环境中模拟动作结果，并利用这些模拟轨迹在测试时改进策略，而无需进一步训练。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。