LEARNING
OrbiSim：作为具身智能可微分物理引擎的世界模型
Jiajian Li, Jingyuan Huang, Junru Gong, Qi Wang, Xiaokang Yang, Yunbo Wang
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
OrbiSim提出了一种全新的机器人仿真范式，将世界模型重新定义为完全可微分的物理引擎，支持从状态转换到视觉生成的端到端可微分。该方法在预测保真度和控制性能上显著优于现有世界模型，并能为机器人仿真和策略训练提供可微分工具。
关键词
world modelsdifferentiable physicsembodied intelligencereinforcement learningsimulation
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018