Pelican-Sim 1.0: 面向具身智能的通用世界模型模拟器

摘要

技术报告提出 Pelican-Sim 1.0，一个面向具身智能的通用世界模型模拟器，从视觉上下文与机器人动作预测未来观测，支持下游学习与决策。四项设计：28维统一动作表示覆盖主流具身形态；URDF 与相机渲染动作视频实现动作-视觉注入，PSNR 较替代融合基线提升0.904；稀疏 MoE 吸收动作模态，FVD 较稠密骨干降低6.530；因果适配与少步蒸馏得到四步自回归模拟器，较35步模型加速5.67倍。在约100万条真实与仿真轨迹上训练，PSNR 提升：AgiBotWorld Beta 4.636、RoboMIND 2.080、RoboTwin 10.343；EWMBench DYN 在 RoboTwin 提升0.426。RoboTwin 上四项下游应用成功：每任务50条演示加入500条生成轨迹，策略成功率70%升至93%；策略评估在五个检查点上 Pearson 相关系数0.994；动作选择与策略改进相对成功率增益分别为47.7%与20.3%。轨迹、场景、物体、具身形态与视角变化下的定性泛化显示其通用世界模型模拟器潜力。