DepthWorld：面向机器人操作的 3D 世界模型

DepthWorld 是面向机器人操作的 3D 世界模型，针对现有基于视频的世界模型仅用 RGB 训练、逐帧看似正确却无法构成一致 3D 世界的问题。该工作提出一套标定流程以获取大规模 3D 监督，并设计能在不破坏预训练视频先验的前提下吸收这些监督的架构。