RoboImagine：用语义与视觉反馈学习机器人世界模型

RoboImagine 通过候选未来对比与语义、视觉双重反馈，对自回归机器人世界模型进行后训练。在 RT-1 上，相同初始化、更新次数和评测协议下，其 PSNR 比持续监督微调提升 1.26 dB，LPIPS 降低 11.93%。实验覆盖 RT-1、BridgeV2 和 RoboCasa 的真实与仿真操作任务，消融显示多样化搜索与语义+视觉反馈组合可提升预测质量和外部多模态评测分数。