网易首页 > 网易号 > 正文 申请入驻

全球首个原生3D动力学预测世界模型,RoboScience为机器人操作提供更精准的物体运动预测

0
分享至



近期,RoboScience 机器科学团队发布了全球首个原生 3D 动力学预测世界模型 WorldFlow —— 让机器人能够根据眼前的场景和任务指令理解操作意图,想象物体接下来在三维空间中该如何移动,从而为机器人操作提供更精准的物体运动预测。



视频链接:https://mp.weixin.qq.com/s/nxr34ClHbxqVW3aULfyYVQ

对于人类而言,在伸手拿起杯子的那一刻,大脑便完成了从抓握、移动到放置的推演。这种对物理世界的瞬时预判,正是一切操作的基石。 然而,机器人想要真正想象物理世界,仍面临两大挑战:

  • 视频生成模型:从海量视频中积累了丰富的物理交互经验,能够生成逼真的未来画面,但物体的三维运动隐含在二维像素变化中,还需借助几何重建和运动跟踪等方法提取这些物理信息,不可避免地引入累积误差。
  • 跳过视频生成、直接预测三维运动轨迹:这类方法虽然直接,但缺乏来自物理世界的视觉信号,模型无法理解不同物理实体的接触与交互过程,预测能力难以泛化。

这促使团队重新思考:视频中丰富的视觉信息,能否让模型直接理解和预测三维运动?

基于这一思路,该团队正式发布世界模型 WorldFlow,让模型在真实世界和仿真场景中学习预测三维物理世界的运动,打破视觉表征与三维运动割裂的困局,为机器人操作提供更准确的三维动力学预测。



  • 论文:WorldFlow: Joint Video and 3D Motion Prediction via Large-Scale Pretraining
  • 链接:https://arxiv.org/abs/2610.39278
  • 项目主页: https://worldflow-rbs.github.io/

原生 3D 动力学预测:

让机器人真正 “预见” 未来

WorldFlow 的核心创新,是将三维运动作为与视频并列的独立生成模态,让模型不再依赖生成视频后的轨迹提取,而是在同一生成过程中同步预测未来画面与物体的三维运动。

给定观测画面、一句语言指令和目标物体,WorldFlow 就能联合预测出未来视频和目标物体的三维轨迹。以论文中的示例为例,面对 “拿起黑色拖鞋,放到鞋架第三层” 的指令,WorldFlow 不仅能够预演拖鞋被拿起、移动并放上鞋架的画面,还能直接预测拖鞋上的各个点在三维空间中的移动路径与最终落点。



由于二维画面与三维运动天然存在鸿沟,为了让模型知道哪个三维点的运动对应画面中的哪个像素,团队设计了两套互补的编码机制:三维点几何编码帮助模型理解物体在三维空间中的位置及几何关系;时空位置编码则将运动轨迹与视频画面建立对应,使模型能够关联特定物体的运动与相关视觉区域。

在 Mixture of Transformer(MoT)架构中,视频与运动通过双向注意力交换信息,并在统一生成过程中共同去噪:视频提供物体外观、接触与遮挡等视觉线索,三维运动提供空间位移信息。

以下模型在家居场景的真实场景推理结果:













百万多源样本预训练:

从海量数据中学习物理运动规律

为了让 WorldFlow 掌握丰富的物体运动规律,团队搭建了一套数据管线,整合了来自仿真场景、机器人操作场景及人类操作场景的17 个数据源,构建了约144 万条训练样本。每条样本既包含任务指令下的操作视频,又包含被操作物体在三维空间中的运动轨迹,使模型不仅学习 “画面该如何变化”,还能同步学习 “物体该如何移动”,从多样化的任务和场景中学习三维运动先验。

为评估模型在机器人场景下的动力学预测效果,团队还构建了一个覆盖仿真场景、真实场景和空间认知场景的基准测试 WorldFlowBench,并通过平均位移误差(ADE)与终点位移误差(FDE)评估轨迹预测精度。

消融实验论证:

联合生成为何更胜一筹?

引入视频监督,优于 “单一的运动预测”

在消融实验中,团队将 WorldFlow 与仅预测三维运动的模型变体进行了对比。两者采用相同的网络架构、训练数据及超参设置,区别在于是否引入视频生成。结果表明,引入视频监督信号能够显著提升三维运动预测能力,使得模型在仿真场景、真实场景和空间认知场景下的 ADE 分别降低48.5%、19.8% 和 55.9%, FDE 分别降低54.4%、25.7%、68.5%



直接生成视频和运动轨迹,优于 "先生成视频、再跟踪轨迹"

团队将 WorldFlow 与 “先生成视频,再通过 Track4World 或 4RC 等方法跟踪三维轨迹” 的两阶段方案进行对比。以 Track4World 为例, WorldFlow 在仿真场景、真实场景和空间认知场景下的 ADE 分别降低42.0%、19.0% 和 27.7%, FDE 分别降低46.0%、26.6% 和 43.5%



从运动预测走向真实操作:

开启具身智能新范式

WorldFlow 的价值不仅在于提升运动预测精度,更在于探索了一种连接世界模型与机器人操作的新范式:以物体三维运动轨迹为接口,将任务意图转化为机器人操作的规划依据。例如,面对 “把绿色饼干盒放在半透明盒子上” 的指令,WorldFlow 可以预测饼干盒的三维移动轨迹与目标落点,机器人再结合自身的臂展、关节约束与抓取方式,规划出可执行的操作动作。



视频链接:https://mp.weixin.qq.com/s/nxr34ClHbxqVW3aULfyYVQ



视频链接:https://mp.weixin.qq.com/s/nxr34ClHbxqVW3aULfyYVQ

在真机实验中,团队对比了目前领域内领先水平的运动预测模型 μ₀ 和 WorldFlow,通过 12 项任务考验模型能否赋予机器人抓取放置(Pick and Place)、物体堆叠(Stacking)和空间理解(Relative Placement)三类能力。相对于 μ₀,WorldFlow 在与其共用同一套抓取与控制系统的情况下将生成出正确轨迹的概率从 25.0% 提升至 97.2%,将真机操作成功率从 11.1% 提升至 66.7%

这一范式让物体三维轨迹也可以成为跨机器人本体的通用规划接口:面对相同任务,不同形态的机器人可以共享物体运动目标,再通过各自的控制系统完成操作。从 “看见未来画面” 到 “预见三维运动”,WorldFlow 为世界模型与机器人执行之间建立了更加直接的连接,也为面向真实物理世界的通用具身智能探索了新的技术路径

关于团队

  • 鲁宇豪:WorldFlow 共一作者,清华电子系硕士毕业,当前在 RoboScience 机器科学从事世界模型等相关工作。
  • 陈炯旭:WorldFlow 共一作者,中山大学智能工程学院硕士毕业,当前在 RoboScience 机器科学从事世界模型等相关工作。
  • 王圣:RoboScience 机器科学世界模型团队负责人、WorldFlow 项目负责人,香港科技大学博士。 聚焦具身智能与世界模型,具有视觉语言动作(VLA)模型及端到端自动驾驶研究背景。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
当着全世界的面,中俄美替老杜特尔特,说了一句公道话

当着全世界的面,中俄美替老杜特尔特,说了一句公道话

果妈聊娱乐
2026-11-20 13:42:11
IMF总裁用“海纳百川”喻APEC合作

IMF总裁用“海纳百川”喻APEC合作

新华社
2026-11-19 12:03:31
失控的信号:中国股市的玩笑这次开大了?

失控的信号:中国股市的玩笑这次开大了?

星语者056
2026-11-12 08:53:16
武汉48岁女律师倒在律所,“提成律师”伤亡能否认定工伤?

武汉48岁女律师倒在律所,“提成律师”伤亡能否认定工伤?

新京报
2026-11-19 19:45:16
1999年,赖昌星带着3700万元进京,想打点海关总署副署长牟新生,结果连面都没见上;回去后他对厦门海关关长放话:以后想办法把他除掉

1999年,赖昌星带着3700万元进京,想打点海关总署副署长牟新生,结果连面都没见上;回去后他对厦门海关关长放话:以后想办法把他除掉

人生录
2026-11-06 07:30:25
别人问你退休金,记住一条铁律:先别报数,先说这 1 句

别人问你退休金,记住一条铁律:先别报数,先说这 1 句

普陀动物世界
2026-11-18 05:34:36
女主术后不能同房,找女人帮老公泄火,保姆半推半就:一次五百!

女主术后不能同房,找女人帮老公泄火,保姆半推半就:一次五百!

第7情感
2025-07-31 11:41:37
苏州一企业家获8000多万拆迁款,18年后被以诈骗罪判14年刑,家属:打击报复

苏州一企业家获8000多万拆迁款,18年后被以诈骗罪判14年刑,家属:打击报复

追月数星
2026-11-19 22:11:49
一位72岁老人的忠告:人这辈子,没有老伴,能熬;没有亲友,能熬;日子清苦,也能熬;但是没有独立住房,儿女再孝顺也过不下去

一位72岁老人的忠告:人这辈子,没有老伴,能熬;没有亲友,能熬;日子清苦,也能熬;但是没有独立住房,儿女再孝顺也过不下去

LULU生活家
2026-11-20 15:49:05
直线拉升!600360,2分钟涨停,封单超106万手

直线拉升!600360,2分钟涨停,封单超106万手

证券时报
2026-11-20 10:28:05
这技术怎么样?克雷桑社媒晒钓鱼照片,手提两条大鱼笑容满面

这技术怎么样?克雷桑社媒晒钓鱼照片,手提两条大鱼笑容满面

懂球帝
2026-11-20 11:47:07
深圳这次APEC,有个细节太提气了。各国嘉宾一下飞机、进会场,坐的啥车?是红旗,是腾势

深圳这次APEC,有个细节太提气了。各国嘉宾一下飞机、进会场,坐的啥车?是红旗,是腾势

扶苏聊历史
2026-11-19 15:27:26
民调:52%的美国人认为民主党在2028年选出的候选人将入主白宫,28%的人认为共和党将获胜

民调:52%的美国人认为民主党在2028年选出的候选人将入主白宫,28%的人认为共和党将获胜

阿尔卑斯瞭望
2026-11-19 18:51:50
11月22日10时,成都将启动重污染天气黄色预警

11月22日10时,成都将启动重污染天气黄色预警

红星新闻
2026-11-20 16:09:03
官方回复:成都又一家医院,停业了

官方回复:成都又一家医院,停业了

呼呼历史论
2026-11-20 12:54:33
【微特稿】胡塞武装袭击致沙特主权基金大楼受损

【微特稿】胡塞武装袭击致沙特主权基金大楼受损

新华社
2026-11-19 19:38:02
iOS 28 改了,新 CEO 出手!

iOS 28 改了,新 CEO 出手!

哎咆
2026-11-19 15:21:45
赵本山唱慌啥子嘛,网友却说:你是不慌,我车贷房贷能不慌?

赵本山唱慌啥子嘛,网友却说:你是不慌,我车贷房贷能不慌?

蜜桔娱乐
2026-11-19 09:25:18
中俄美深圳和平宣言到底讲了什么?

中俄美深圳和平宣言到底讲了什么?

码头青年
2026-11-20 13:04:21
深圳APEC交通管制,今天几点解除限行!

深圳APEC交通管制,今天几点解除限行!

深圳本地宝
2026-11-20 13:26:59
2026-11-20 17:00:49
机器之心Pro incentive-icons
机器之心Pro
专业的人工智能媒体
14522文章数 142761关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

高市早苗在深圳就台湾问题表态 外交部回应

头条要闻

高市早苗在深圳就台湾问题表态 外交部回应

体育要闻

脚步未停!西班牙摩托车手赤脚徒步入境中国

娱乐要闻

袁茵却用事实证明 活得并不差!

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

交付破16万台背后 全新ES8凭什么成为「高端纯电第一车」?

态度原创

本地
健康
房产
数码
军事航空

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

医生眼里"很伤腰"的椅子,很多人天天坐

房产要闻

收益率30%!海南杀出国内最赚钱的“接盘侠”!

数码要闻

屏幕好的游戏本推荐 天选7 Pro酷睿版2.5K高刷与四色域兼顾

军事要闻

沙特首都第一高楼遭袭:炮弹从天而降

无障碍浏览 进入关怀版