DriftWorld：通过漂移实现快速世界建模

arXiv:2607.15065v3 公告类型：replace-cross 摘要：预测性世界模型使机器人能够模拟其动作产生的视觉结果，但当前最先进的基于扩散的模型成本仍然较高，因为生成每次推演都需要进行多步迭代去噪。我们提出了 DriftWorld，一种基于漂移生成模型、以动作为条件的世界模型。DriftWorld 在训练期间学习条件漂移，使其能够在推理过程中通过单次前向传递，为给定的动作序列生成未来观测。在 Bridge-V2、RT-1、Language Table、Push-T 和 Robomimic 上，DriftWorld 的运行速度超过 40 fps，比基于扩散的基线模型快 12 倍以上，同时保持或提升了其视觉生成质量。这使 DriftWorld 成为一种高效的机器人仿真世界模型，并进一步支持包括推理时动作搜索和离线策略评估在内的下游应用。