SWAP：敏捷机器人跑酷的对称等变世界模型

虽然潜在世界模型能够实现极限跑酷所需的主动预测，但其纯粹的数据驱动性质迫使它们将左右对称交互冗余编码为独立模式。这增加了学习负担，阻碍了几何规律的捕捉，限制了下游政策潜在空间的效率。为了解决这个问题，我们提出了 SWAP，一种端到端等变对称世界模型。该框架将对称性直接嵌入到世界模型和策略—价值网络中。在实际测试中，机器人跨越2.13 m的间隙并爬上1.63 m的平台，打破了四足跑酷的记录。此外，该框架对看不见的镜像地形表现出强大的几何泛化能力，并在不同的室外环境中具有出色的零镜头可转移性。这些结果表明，对称等变性是推动学习腿部运动物理极限的有效结构先验。