Buchumschlag

RoboStereo: Dual-Tower 4D Embodied World Models for Unified Policy Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Ruicheng, Chen, Guangyu, Xu, Zunnan, Liu, Zihao, Zhong, Zhizhou, Zhang, Mingyang, Zhou, Jun, Li, Xiu
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MIND-V: Hierarchical World Model for Long-Horizon Robotic Manipulation with RL-based Physical Alignment
von: Zhang, Ruicheng, et al.
Veröffentlicht: (2025)

Zo3T: Zero-Shot 3D-Aware Trajectory-Guided Image-to-Video Generation via Test-Time Training
von: Zhang, Ruicheng, et al.
Veröffentlicht: (2025)

KVPO: ODE-Native GRPO for Autoregressive Video Alignment via KV Semantic Exploration
von: Zhang, Ruicheng, et al.
Veröffentlicht: (2026)

Identity-Consistent Video Generation under Large Facial-Angle Variations
von: Hu, Bin, et al.
Veröffentlicht: (2026)

RoboScape: Physics-informed Embodied World Model
von: Shang, Yu, et al.
Veröffentlicht: (2025)

Controllable Layer Decomposition for Reversible Multi-Layer Image Generation
von: Liu, Zihao, et al.
Veröffentlicht: (2025)

Separate to Collaborate: Dual-Stream Diffusion Model for Coordinated Piano Hand Motion Synthesis
von: Liu, Zihao, et al.
Veröffentlicht: (2025)

Consistent123: One Image to Highly Consistent 3D Asset Using Case-Aware Diffusion Priors
von: Lin, Yukang, et al.
Veröffentlicht: (2023)

TesserAct: Learning 4D Embodied World Models
von: Zhen, Haoyu, et al.
Veröffentlicht: (2025)

Kinema4D: Kinematic 4D World Modeling for Spatiotemporal Embodied Simulation
von: Xu, Mutian, et al.
Veröffentlicht: (2026)

Robo-Cortex: A Self-Evolving Embodied Agent via Dual-Grain Cognitive Memory and Autonomous Knowledge Induction
von: Chan, Nga Teng, et al.
Veröffentlicht: (2026)

RoboAgent: Chaining Basic Capabilities for Embodied Task Planning
von: Xu, Peiran, et al.
Veröffentlicht: (2026)

HaploOmni: Unified Single Transformer for Multimodal Video Understanding and Generation
von: Xiao, Yicheng, et al.
Veröffentlicht: (2025)

Embody4D: A Generalist 4D World Model for Embodied AI
von: Tu, Peiyan, et al.
Veröffentlicht: (2026)

Audio-visual Controlled Video Diffusion with Masked Selective State Spaces Modeling for Natural Talking Head Generation
von: Hong, Fa-Ting, et al.
Veröffentlicht: (2025)

Unified Medical Image Segmentation with State Space Modeling Snake
von: Zhang, Ruicheng, et al.
Veröffentlicht: (2025)

StereoPolicy: Improving Robotic Manipulation Policies via Stereo Perception
von: Han, Evans, et al.
Veröffentlicht: (2026)

AToM: Aligning Text-to-Motion Model at Event-Level with GPT-4Vision Reward
von: Han, Haonan, et al.
Veröffentlicht: (2024)

RoboTidy : A 3D Gaussian Splatting Household Tidying Benchmark for Embodied Navigation and Action
von: Sun, Xiaoquan, et al.
Veröffentlicht: (2025)

RoboLayout: Differentiable 3D Scene Generation for Embodied Agents
von: Shamsaddinlou, Ali
Veröffentlicht: (2026)

RoboFactory: Exploring Embodied Agent Collaboration with Compositional Constraints
von: Qin, Yiran, et al.
Veröffentlicht: (2025)

RoboStressBench: Benchmarking VLM Robustness to Physical Visual Stress in Embodied Scenes
von: Wu, Leyi, et al.
Veröffentlicht: (2026)

WorldArena: A Unified Benchmark for Evaluating Perception and Functional Utility of Embodied World Models
von: Shang, Yu, et al.
Veröffentlicht: (2026)

Divide-and-Conquer: Dual-Hierarchical Optimization for Semantic 4D Gaussian Spatting
von: Yan, Zhiying, et al.
Veröffentlicht: (2025)

World Modeling Makes a Better Planner: Dual Preference Optimization for Embodied Task Planning
von: Wang, Siyin, et al.
Veröffentlicht: (2025)

Stereo Anything: Unifying Zero-shot Stereo Matching with Large-Scale Mixed Data
von: Guo, Xianda, et al.
Veröffentlicht: (2024)

RoboScape-R: Unified Reward-Observation World Models for Generalizable Robotics Training via RL
von: Tang, Yinzhou, et al.
Veröffentlicht: (2025)

MonSter++: Unified Stereo Matching, Multi-view Stereo, and Real-time Stereo with Monodepth Priors
von: Cheng, Junda, et al.
Veröffentlicht: (2025)

StereoPilot: Learning Unified and Efficient Stereo Conversion via Generative Priors
von: Shen, Guibao, et al.
Veröffentlicht: (2025)

MLG-Stereo: ViT Based Stereo Matching with Multi-Stage Local-Global Enhancement
von: Zhang, Haoyu, et al.
Veröffentlicht: (2026)

MambaTalk: Efficient Holistic Gesture Synthesis with Selective State Space Models
von: Xu, Zunnan, et al.
Veröffentlicht: (2024)

Universal Visuo-Tactile Video Understanding for Embodied Interaction
von: Xie, Yifan, et al.
Veröffentlicht: (2025)

REPARO: Compositional 3D Assets Generation with Differentiable 3D Layout Alignment
von: Han, Haonan, et al.
Veröffentlicht: (2024)

SAM-R1: Leveraging SAM for Reward Feedback in Multimodal Segmentation via Reinforcement Learning
von: Huang, Jiaqi, et al.
Veröffentlicht: (2025)

RoboSVG: A Unified Framework for Interactive SVG Generation with Multi-modal Guidance
von: Wang, Jiuniu, et al.
Veröffentlicht: (2025)

DC-Scene: Data-Centric Learning for 3D Scene Understanding
von: Huang, Ting, et al.
Veröffentlicht: (2025)

Embodied Tree of Thoughts: Deliberate Manipulation Planning with Embodied World Model
von: Xu, Wenjiang, et al.
Veröffentlicht: (2025)

4D Driving Scene Generation With Stereo Forcing
von: Lu, Hao, et al.
Veröffentlicht: (2025)

ReWorld: Multi-Dimensional Reward Modeling for Embodied World Models
von: Peng, Baorui, et al.
Veröffentlicht: (2026)

UniTT-Stereo: Unified Training of Transformer for Enhanced Stereo Matching
von: Kim, Soomin, et al.
Veröffentlicht: (2024)