Ropedia W0：結合人類經驗，跨實體擴展本體操作世界模型

研究在做什麼

世界模型使本體代理（embodied agents）能夠預先判斷動作後果，但在不同實體上同時建模移動（locomotion）與操作（manipulation）仍具挑戰性，原因在於動作空間異質且多模態監督有限。Ropedia 提出 Ropedia W0，這是首個涵蓋人類與多樣機器人實體的第一人稱本體操作世界基礎模型（egocentric loco-manipulation world foundation model）。 Hugging Face 每日精選論文

方法

研究團隊整理 Xp-Data 資料集，包含 10k 小時第一人稱人類資料與 3k 小時機器人資料，並進行統一多模態標註與系統性品質控制。透過統一的運動學表示（kinematic representation），以相機姿態編碼移動，以投影骨架編碼操作；機器人骨架結合特定實體的前向運動學（forward kinematics）與大量人工關鍵點標註及校正。此外，引入 Xp-Teleop 基準測試，這是基於高品質靈巧人形遠端操作資料的長時程本體操作基準。 Hugging Face 每日精選論文

結果

評估顯示 Ropedia W0 在五個跨實體基準測試（DreamDojo、Ψ_0、ω-HOME、Xp-Teleop 和 AgiBot）以及保留的人類第一人稱影片上，從零樣本推理到少樣本及全資料後訓練，評估顯示其表現為目前最佳（state-of-the-art）。增加人類預訓練資料提升了人類與機器人評估的表現。經過蒸餾（distillation），模型支援即時、分鐘級別的滾動推演（rollouts），可進行即時 VR 互動。該模型在策略評估、基於模型的規劃及世界-動作建模等應用中，展示了其在本體決策中的效用。 Hugging Face 每日精選論文

程式碼與資料

本站 2026-10-22 整理（資料來自 Hugging Face 論文頁與 GitHub，由程式查詢，不經模型撰寫）：

• 研究機構（Hugging Face 標示）：Ropedia
• 程式碼：Ropedia/ropedia-w0｜41 顆星｜最後更新 2026-10-20｜授權 Apache-2.0
• 專案網頁：https://ropedia.github.io/ropedia-w0/
• 公開模型：ropedia-ai/Ropedia-W0
• 公開資料集：ropedia-ai/Xp-Teleop
• 線上展示：tardellirs/paper-pulse、hugging-apps/ropedia-w0