CTRL-WORLD:一种用于机器人操控的可控生成世界模型(中美2025年联合研究)摘要:通用型机器人策略如今已能执行多种操作技能,但评估并提升其处理陌生物体和指令的能力仍面临重大挑战。严格的性能评估需要进行大量真实场景测试,而系统性优化则需依赖带有专家标注的修正数据——这两个过程均耗时漫长、成本高昂且难以规模化实施。世界模型为此提供了具有前景且可扩展的解决方案,它能够使策略在想象空间内运行。然而,关键难点在于构建一个能有效处理与通用型机器人策略进行多步骤交互的可控世界模型。这要求该模型需支持多视角预测、精细动作控制以及一致性的长时程交互能力,而这正是现有研究尚未实现的目标。本文通过引入