Learning Robotic World Models with Semantic and Visual Feedback

Hao Wu提出RoboImagine框架，通过候选未来比较与语义视觉反馈提升机器人世界模型预测质量。实验在RT-1、BridgeV2和RoboCasa数据集上显示，相比持续监督微调，PSNR提升1.26dB且LPIPS降低11.93%。研究证明多样搜索和组合反馈能提高预测质量，滚动历史进一步改善长时程预测。