统一以对象为中心的世界模型和扩散策略：多阶段机器人任务的分层框架

视觉世界模型在学习复杂系统动力学方面表现出了巨大的潜力。最近的进展利用这些模型作为模型预测控制 (MPC) 框架内的转换函数来解决各种控制任务。然而，当应用于机器人时，它们仅限于单阶段任务，例如到达或抓取，并且难以处理需要复杂顺序规划的多阶段任务。在这项工作中，我们介绍了 WorldDP，一个专为多级机器人操作而设计的世界模型框架。我们的分层方法利用高级世界模型作为转换函数来优化运行时的可行子目标，这些子目标随后通过底层扩散策略来实现。为了进一步帮助学习动态和规划，我们结合了以对象为中心的表示，这些表示解耦了环境实体，并使我们能够针对每个实体按顺序进行规划。通过多个机器人基准评估，WorldDP 始终优于现有基准，验证了将世界模型的符合物理规律的规划与扩散策略的高效执行相结合可产生卓越的多阶段性能。