DepthWorld：同时预测RGB与深度的3D世界模型

Jai Bardhan、Josef Sivic 和 Vladimir Petrik 发布 DepthWorld，一个面向机器人操作的 3D 世界模型。它基于 Stable Video Diffusion，通过空间潜变量分块同时预测多视角 RGB 与深度，且不改动预训练 VAE。 三人同时发布 DROID-3D 校准数据集及配套流程。据作者介绍，该流程把学习到的立体深度与联合因子图结合，汇集同一台物理机器人采集的全部片段，以恢复其共享运动学参数与逐场景外参。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。