机器人储存的视觉预见：基于稀疏快照的扩散世界模型
计算机视觉与模式识别
2026-02-17 v1 人工智能
机器人学
摘要
自动化仓库执行数百万次储存操作，机器人将物品放入存储箱中。对于此类系统而言，提前预测从当前观察和计划储存行为看到的箱子状态具有重要价值。我们提出FOREST，一个储存意图条件化的世界模型，代表箱子状态为物品对齐的实例掩码，并使用潜在扩散变换器从观察上下文预测储存后的配置。我们的评估显示，FOREST在预测储存后布局与真实储存后布局之间的几何一致性方面显著优于启发式基线。我们进一步评估了预测的储存后布局在两个下游任务中的表现，用FOREST预测的储存后掩码替换真实储存后掩码，仅导致装载质量评估和多次储存推理性能的适度下降，表明该模型可为仓库规划提供有用的预见信号。
引用
@article{arxiv.2602.13347,
title = {Visual Foresight for Robotic Stow: A Diffusion-Based World Model from Sparse Snapshots},
author = {Lijun Zhang and Nikhil Chacko and Petter Nilsson and Ruinian Xu and Shantanu Thakar and Bai Lou and Harpreet Sawhney and Zhebin Zhang and Mudit Agrawal and Bhavana Chandrashekhar and Aaron Parness},
journal= {arXiv preprint arXiv:2602.13347},
year = {2026}
}
备注
20 pages, 16 figures