Pelican-Sim 1.0发布:面向具身智能的通用世界模型模拟器
摘要:Pelican-Sim 1.0是一款面向具身智能的通用世界模型模拟器,通过预测未来观测结果支持下游学习和决策。该模型具备四大核心设计特点:统一动作表示、动作-视觉注入、稀疏混合专家(MoE)架构以及高效推演生成。在百万级真实与模拟轨迹训练后,Pelican-Sim在动作控制性和视频质量方面取得显著提升,并在RoboTwin等四个下游应用中表现出色,显著提高了策略成功率与评估准确性。其通用性使其成为具身智能领域的重要工具。
核心突破
Pelican-Sim 1.0是一款面向具身智能的通用世界模型模拟器,旨在通过预测未来观测结果来支持下游学习和决策。其主要技术亮点包括:
- 统一动作表示:采用28维动作值空间,涵盖主流具身设备,确保模型在不同设备间的通用性。
- 动作-视觉注入:通过URDF和相机渲染的动作视频桥接动作与像素,显著提升跨设备、场景和任务的控制性(PSNR较其他融合基线提升0.904)。
- 稀疏混合专家(MoE)架构:稀疏MoE层增强了模型处理异构动态的能力,同时减少模态间冲突(FVD较密集骨干网络降低6.530)。
- 高效推演生成:通过因果适应和少步蒸馏实现四步自回归模拟器,速度较35步模型提升5.67倍。
应用与性能
Pelican-Sim在百万级真实与模拟轨迹上训练后,在多个基准测试中表现出色:
- 在AgiBotWorld Beta、RoboMIND和RoboTwin上,PSNR分别提升4.636、2.080和10.343。
- RoboTwin的EWMBench DYN评分提升0.426。
在RoboTwin上的四个下游应用中,Pelican-Sim也取得了显著成果:
- 每任务增加500个生成轨迹和50个演示,策略成功率从70%提升至93%。
- 策略评估在五个检查点的Pearson相关系数达到0.994。
- 动作选择和策略改进的相对成功率分别提升47.7%和20.3%。
行业影响
Pelican-Sim的发布为具身智能领域带来了新的可能性。其通用性和高效性使其成为开发复杂智能系统的理想工具,尤其适用于需要高精度预测和高效决策的应用场景。开发者可以利用Pelican-Sim加速具身智能的研究和应用,推动智能机器人在各个领域的普及。
开发者建议
- 充分利用统一动作表示:在不同设备间快速部署模型,简化开发流程。
- 探索稀疏MoE架构:在处理复杂动态任务时,尝试使用稀疏MoE架构以提升性能。
- 结合下游应用:将Pelican-Sim与具体应用场景结合,验证其在实际环境中的效果。
—— 完 ——消息来源:Hugging Face Daily Papers (2026-09-10)
主题标签: #Pelican-Sim #具身智能 #世界模型 #AI模拟器 #机器人
编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。
社区整体评论区