GeniWorld

数据配方

基于预训练视频生成模型，用 URDF 把数值动作渲染成图像（视觉动作），与 latent 拼接，将机器人运动学与环境动力学解耦。自回归视频预测器配合高频运动学控制，可由策略或遥操作者驱动。训练用有限的固定场景数据，称可零样本泛化到高度随机化的未见环境 [1]。

结果与证据

用途：在环境扰动下评测策略；真机演示有限时生成额外轨迹以改善下游策略。摘要无量化数字。正文：基于 Wan2.2-TI2V-5B；仿真 50 个任务共 2,250 条训练 episode；真机每任务 25 条示范，总体成功率 40.8%→69.0%；Clean-to-Random 设置下 FVD 20.15（Ctrl-World 35.85）。

已知缺陷与口径

v2 于 2026-10-08 修订，数字可能变动。所有量化结论需以全文为准；成败判定与幻觉风险与其他世界模型方案共通。

来源

1. arXiv 2608.06332 (2026-10-14)