LEARNING开放获取
OrbiSim:作为具身智能可微分物理引擎的世界模型
Jiajian Li, Jingyuan Huang, Junru Gong, Qi Wang, Xiaokang Yang, Yunbo Wang
2026
摘要
OrbiSim提出了一种全新的机器人仿真范式,将世界模型重新定义为完全可微分的物理引擎,支持从状态转换到视觉生成的端到端可微分。该方法在预测保真度和控制性能上显著优于现有世界模型,并能为机器人仿真和策略训练提供可微分工具。
关键词
world modelsdifferentiable physicsembodied intelligencereinforcement learningsimulation
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性:具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛:基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
MANIPULATION
📊 0 引用
PAEAR:基于强化学习的点云区域探索与主动识别方法用于机器人焊接
Yong Tao, Donghua Tan, Fan Ren 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026