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
特朗普临走撂下句话,我越想越不对劲:这哪是夸中国,分明是报价

特朗普临走撂下句话,我越想越不对劲:这哪是夸中国,分明是报价

天光破云来
2026-11-20 13:12:25
高市见了普京

高市见了普京

周边问题研究所
2026-11-20 13:12:01
沉痛送别!斯琴高娃离世,网友悼念错了:那位76岁老戏骨还在拍戏

沉痛送别!斯琴高娃离世,网友悼念错了:那位76岁老戏骨还在拍戏

月光作笺a
2026-11-20 07:11:51
突发!台积电收紧对华AI芯片代工

突发!台积电收紧对华AI芯片代工

EETOP半导体社区
2026-11-20 08:17:23
文班亚马32分11板马刺轻取快船,卡斯尔21+6+12加兰23分5助

文班亚马32分11板马刺轻取快船,卡斯尔21+6+12加兰23分5助

湖人崛起
2026-11-20 11:31:13
潘长江做梦都没想到,躲过了女儿,却没躲过外孙。他自己1米6,老婆1米65,生出的女儿潘阳1米62,谁知道,基因这东西,还会隔代报复。

潘长江做梦都没想到,躲过了女儿,却没躲过外孙。他自己1米6,老婆1米65,生出的女儿潘阳1米62,谁知道,基因这东西,还会隔代报复。

背包旅行
2026-11-19 01:22:04
全面下跌,何时见底?

全面下跌,何时见底?

星图金融研究院
2026-11-20 15:37:21
陕西23岁女大学生,被黑人男友传染艾滋,事后称很爱他我不后悔

陕西23岁女大学生,被黑人男友传染艾滋,事后称很爱他我不后悔

妙妙奇思物语
2026-11-20 14:58:41
明年1299万大学生毕业再刷纪录,中国正在批量生产"用不上"的大学生

明年1299万大学生毕业再刷纪录,中国正在批量生产"用不上"的大学生

老郭在学习
2026-11-20 16:10:45
红果短剧全面下架,彻底失控了

红果短剧全面下架,彻底失控了

李东阳朋友圈
2026-11-20 10:00:35
游客在三亚海边捡到百斤重金枪鱼,体长近一米九,价值超3000元,当地:不常见,只要不是保护动物,可自行处理

游客在三亚海边捡到百斤重金枪鱼,体长近一米九,价值超3000元,当地:不常见,只要不是保护动物,可自行处理

上观新闻
2026-11-20 06:58:22
武汉商学院原党委书记刘志辉被“双开”

武汉商学院原党委书记刘志辉被“双开”

界面新闻
2026-11-20 14:35:34
美悬赏1000万美元搜集缅甸电诈园区线索,知情人:园区以“欧美盘”为主,已基本搬空

美悬赏1000万美元搜集缅甸电诈园区线索,知情人:园区以“欧美盘”为主,已基本搬空

红星新闻
2026-11-20 15:33:23
西湖边64㎡两居室13.9万元起拍,产权清晰,无抵押,能直接落户,学区是杭州头部小学,真有人能捡漏吗?中介一句话戳破真相

西湖边64㎡两居室13.9万元起拍,产权清晰,无抵押,能直接落户,学区是杭州头部小学,真有人能捡漏吗?中介一句话戳破真相

都市快报橙柿互动
2026-11-20 09:37:46
号商下乡收Claude账号:Anthropic算尽了一切,唯独没算到中国号商会上山下乡!

号商下乡收Claude账号:Anthropic算尽了一切,唯独没算到中国号商会上山下乡!

城事堂
2026-11-19 08:49:08
越来越多孩子自杀  多地高中严格执行周末双休

越来越多孩子自杀 多地高中严格执行周末双休

风向观察
2026-11-20 07:40:00
突发!黄仁勋再曝新消息,该来的还是来了!

突发!黄仁勋再曝新消息,该来的还是来了!

财经要参
2026-11-20 16:00:05
APCE上的温情一幕,让人好感动!

APCE上的温情一幕,让人好感动!

低调看天下
2026-11-20 15:46:04
胖东来新乡门店因涨租金搬离11年,市民称原址所开新商场几乎倒闭,仅剩一楼几家手机店还在营业,商场客服热线已成空号

胖东来新乡门店因涨租金搬离11年,市民称原址所开新商场几乎倒闭,仅剩一楼几家手机店还在营业,商场客服热线已成空号

极目新闻
2026-11-20 15:34:45
男子花800元购仿真虎皮坐垫在院里晾晒,被路过萌娃误传为“有人杀虎”,当事人:吓了一跳,林业局找上门,派出所也准备出警

男子花800元购仿真虎皮坐垫在院里晾晒,被路过萌娃误传为“有人杀虎”,当事人:吓了一跳,林业局找上门,派出所也准备出警

潇湘晨报
2026-11-20 12:00:15
2026-11-20 18:12:49
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

一家自驾遇落石父亲被砸身亡 家属:交通部门仍未赔偿

头条要闻

一家自驾遇落石父亲被砸身亡 家属:交通部门仍未赔偿

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

家居
教育
亲子
旅游
军事航空

家居要闻

2026建博会(广州) 公装联探展交流活动

教育要闻

“是人”还是“斯人”?为什么这么一个小问题,总能吵个没完?

亲子要闻

老公从银行辞职七八年了,4岁女儿考验爸爸业务能力,看看咋样

旅游要闻

行游Weekly│西岭雪山免门票开启冰雪季,四川秋色迎雪收官

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