- 类别
- 世界模型
- 开放程度
- 开源
- 发布时间
- 2025 年 10 月
- 开源协议
- MIT
- 发布方所在地
- 美国
项目简介
面向机器人操作的可控生成式世界模型,以 Stable Video Diffusion 视频扩散模型为底座,在 DROID 数据集上训练。输入初始观测和动作序列,预测后续视频画面与状态,可与主流 VLA 策略对接,在「想象」中完成策略闭环推演,用于不上真机的策略评测,以及生成成功轨迹对策略做后训练。仓库提供轨迹回放、键盘交互控制和策略在环推演示例,权重在 Hugging Face 发布。
- 规模
- 以 Stable Video Diffusion 为底座,在 DROID 约 9.5 万条轨迹上训练