← 世界模型 / 未来预测如何用统一视频与动作的扩散训练Unified World Models · 原文 Fig. 2 · p.4 ↗
正式发表 / World Models
Unified World Models
Unified World Models: Coupling Video and Action Diffusion for Pretraining on Large Robotic Datasets
RSS · 2025
关键框架 FRAMEWORK
动作与未来观测分别使用扩散时间步;训练一个联合模型后,通过改变两种模态的噪声状态切换策略、正向和逆动力学推断。
- 01分别扰动视频与动作
- 02联合去噪训练
- 03按条件切换推断方式
THE IDEA
它在解决什么
通过视频和动作各自的扩散时间步,让同一模型支持策略、正向动力学和逆动力学等任务。
WHY READ IT
为什么放在这条路线
把分离的世界建模与模仿学习放在同一框架中,适合与 UniPi、DreamZero 对照。
READ WITH A QUESTION
读的时候,留意什么
区分训练时的联合目标与推理时需要的模态。项目提及的 Best Paper 属于 ICML 2025 workshop,不作为 RSS 主会荣誉标记。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器