AirScape: 一种具有运动可控性的空中生成世界模型
机器人学
2025-10-13 v2 人工智能
摘要
如何使智能体能够预测自身运动意图在三维空间中的结果，一直是具身智能中的一个基本问题。为了探索通用的空间想象能力，我们提出了AirScape，这是首个为六自由度空中智能体设计的世界模型。AirScape基于当前视觉输入和运动意图预测未来的观测序列。具体来说，我们构建了一个用于空中世界模型训练和测试的数据集，包含11k个视频-意图对。该数据集包含捕捉广泛场景中多种无人机动作的第一人称视角视频，并花费超过1000小时标注相应的运动意图。然后，我们开发了一个两阶段计划，将一个最初缺乏具身空间知识的基础模型训练成一个可由运动意图控制且遵循物理时空约束的世界模型。实验结果表明，AirScape在3D空间想象能力上显著优于现有基础模型，特别是在反映运动对齐的指标上提升了超过50%。项目地址：https://embodiedcity.github.io/AirScape/。
引用
@article{arxiv.2507.08885,
title = {AirScape: An Aerial Generative World Model with Motion Controllability},
author = {Baining Zhao and Rongze Tang and Mingyuan Jia and Ziyou Wang and Fanghang Man and Xin Zhang and Yu Shang and Weichen Zhang and Wei Wu and Chen Gao and Xinlei Chen and Yong Li},
journal= {arXiv preprint arXiv:2507.08885},
year = {2025}
}