RoboStereo: 統一ポリシー最適化のための対称的デュアルタワー型4D身体性ワールドモデル

要約: スケーラブルな身体性AIは、現実世界の相互作用に伴う高額なコストと安全性リスクのため、根本的な制約に直面しています。身体性ワールドモデル（EWMs）は想像上のロールアウトを通じて有望性を示しますが、既存のアプローチは幾何学的幻視に悩まされ、実践的なポリシー改善のための統一最適化フレームワークを欠いています。我々はRoboStereoを紹介します。対称的なデュアルタワー型の4Dワールドモデルで、双方向のクロスモーダル強化を用いて時空間の幾何的一貫性を保証し、物理的幻視を緩和します。この高忠実度の4Dシミュレータを基盤として、ワールドモデルベースのポリシー最適化の初の統一フレームワークを提示します：（1）事前実行検証のためのテスト時ポリシー増強（Test-Time Policy Augmentation：TTPA）、（2）専門家のデモンストレーションから学ぶために視覚的知覚報酬を活用する模倣-進化的ポリシー学習（Imitative-Evolutionary Policy Learning：IEPL）、（3）自律的なスキル発見と自己修正を可能にする開放的探索ポリシー学習（Open-Exploration Policy Learning：OEPL）。包括的な実験により、RoboStereoは最先端の生成品質を達成し、私たちの統一フレームワークは微細な操作タスクにおいて平均相対改善率が97％を超えることを示します。