arXiv cs.AI· Hao Xue, Peng-Fei Zhang, Ying Cheng, Lanyun Zhu, Lei Zhu, Heng Tao Shen·· 10 小时前AI 评分31
AuroraWorld：面向机器人操作外视角到内视角视频生成的结构化 4D 世界建模
AuroraWorld: Structured 4D World Modeling for Exo-to-Ego Video Generation in Robot Manipulation
AI 导读
AuroraWorld 提出结构化 4D 世界建模方法，可从大规模外视角机器人操作视频合成内视角观测，用于视觉运动策略学习。该方法针对大幅视角变换、严重遮挡、复杂物体交互和外视角观测稀疏等挑战，目标是生成物理一致且与策略相关的内视角视频。论文未披露模型规模与 benchmark 分数，代码将公开发布。
正文 · AI 翻译
摘要：自我中心观测提供了以机器人为中心的操作过程视角，能够捕捉接触交互和物体状态变化，这些信息对于视觉运动策略学习很重要，但难以从外部相机中观测到。然而，由于额外的硬件需求和平台特定的部署成本，大规模收集此类数据仍然昂贵。从大规模外中心操作视频中合成自我中心观测提供了一种可扩展的替代方案。然而，现有方法难以在显著的视角变换、严重遮挡、复杂的物体交互以及可用外中心数据本身稀疏观测的情况下，合成物理一致且与策略相关的自我中心视频。this http URL 将在 this https URL 公开发布
| 主题： | 人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2611.00177 [cs.AI] |
| （或 arXiv:2611.00177v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.00177 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Hao Xue [查看邮箱]
[v1]
2026年10月30日星期五 14:50:06 UTC（8,534 KB）
[v2]
2026年11月4日星期三 15:38:24 UTC（6,099 KB）
来源：arXiv cs.AI · arxiv.org