論文の概要: GE-Sim 2.0: A Roadmap Towards Comprehensive Closed-loop Video World Simulators for Robotic Manipulation

• arxiv url: http://arxiv.org/abs/2605.27491v1
• Date: Tue, 26 May 2026 16:23:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.37443
• Title: GE-Sim 2.0: A Roadmap Towards Comprehensive Closed-loop Video World Simulators for Robotic Manipulation
• Title（参考訳）: GE-Sim 2.0:ロボットマニピュレーションのための包括的閉ループビデオワールドシミュレータに向けたロードマップ
• Authors: Boxiang Qiu, Liliang Chen, Yue Liao, Nan Wang, Lintao Wang, Jiayi Luo, Wenzhi Zhao, Shengcong Chen, Di Chen, Ye Li, Chen Gao, Shuicheng Yan, Si Liu, Maoqing Yao, Guanghui Ren,
• Abstract要約: 本稿では,ロボット操作のためのクローズドループビデオワールドシミュレータGE-Sim 2.0(Genie Envisioner World Simulator 2.0)を紹介する。 Genie Envisionerのアクションコンディション付きビデオ生成フレームワークをベースにGE-Sim 2.0は、何千時間もの現実世界のロボットデータに基づいて再訓練されている。 ビデオシミュレーションからポリシー学習まで,3つの新しいモジュールがループを閉じている。
• 参考スコア（独自算出の注目度）: 53.6619853878637
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce GE-Sim 2.0 (Genie Envisioner World Simulator 2.0), a closed-loop video world simulator for robotic manipulation. Building on the action-conditioned video generation framework of Genie Envisioner, GE-Sim 2.0 is re-trained on thousands of hours of real-world robot data spanning teleoperation, contact-rich interaction, and on-robot policy deployment, substantially improving action-following fidelity and trajectory coverage. On top of this foundation, three new modules close the loop from video simulation to policy learning: a state expert that decodes proprioceptive state from video latents to support next-chunk prediction by downstream VLA policies; a world judge that scores generated rollouts against task instructions, yielding machine-verifiable success signals and rewards in place of manual inspection; and an acceleration framework that delivers a 25-frame rollout in 2.3 seconds on a single H100, with up to 4* frame skipping at inference for long-horizon evaluation. GE-Sim 2.0 tops the public WorldArena leaderboard at only 2B parameters, outperforming both dedicated robotic world models and closed-source general video generators, and policies trained against its rollouts and rewards translate into measurable real-world gains, establishing GE-Sim 2.0 as a practical platform for scalable evaluation and closed-loop learning of manipulation policies.
• Abstract（参考訳）: 本稿では,ロボット操作のためのクローズドループビデオワールドシミュレータGE-Sim 2.0(Genie Envisioner World Simulator 2.0)を紹介する。 Genie Envisionerのアクションコンディション付きビデオ生成フレームワークに基づいて、GE-Sim 2.0は、遠隔操作、コンタクトリッチなインタラクション、およびオンロボットポリシーデプロイメントにまたがる何千時間もの現実世界のロボットデータに対して、アクションコンディション付きビデオ生成フレームワークとして再トレーニングされている。 この基礎の上に、3つの新しいモジュールは、ビデオシミュレーションからポリシー学習までのループを閉じる: ビデオ潜入者からプロプリセプティブな状態をデコードして、下流のVLAポリシーによる次のチャンク予測をサポートする状態の専門家、タスク命令に対してロールアウトを生成し、手動で検査の代わりにマシン検証可能な成功信号と報酬を出力する世界裁判官、H100で25フレームのロールアウトを2.3秒で配信するアクセラレーションフレームワーク、長期水平評価のための推論で最大4*フレームスキップするアクセラレーションフレームワークである。 GE-Sim 2.0は、オープンなWorldArenaのリーダーボードをわずか2Bパラメータで上回り、専用のロボットワールドモデルとクローズドソースのジェネラルビデオジェネレータの両方を上回り、ロールアウトと報酬に対してトレーニングされたポリシーは、測定可能な実世界のゲインに変換され、GE-Sim 2.0は、操作ポリシーのスケーラブルな評価とクローズドループ学習のための実用的なプラットフォームとして確立されている。

関連論文リスト

• MobileManiBench: Simplifying Model Verification for Mobile Manipulation [70.30578259859512]
  MobileManiBenchは、モバイルベースのロボット操作のための大規模なベンチマークである。 MobileManiBenchには、2つのモバイルプラットフォーム(パラレルグリッパーとデキソラスハンドロボット)、2つの同期カメラ(頭と右手首)、630のオブジェクト(オープン、クローズ、プル、プッシュ、ピック)、5つのスキル(オープン、クローズ、プッシュ、ピック)、100以上のタスクが現実的なシーンで実行される。
  論文  参考訳（メタデータ） (2026-02-05T02:49:52Z)
• Genie Sim 3.0 : A High-Fidelity Comprehensive Simulation Platform for Humanoid Robot [28.158234920927743]
  我々は,ロボット操作のための統一シミュレーションプラットフォームGenie Sim 3.0を紹介する。 本稿では,大規模言語モデル(LLM)を用いた自然言語命令による高忠実度シーン構築ツールであるGenie Sim Generatorを紹介する。 200以上のタスクにまたがる1万時間以上の合成データからなるオープンソースデータセットもリリースしています。
  論文  参考訳（メタデータ） (2026-01-05T12:59:39Z)
• RoboMIND 2.0: A Multimodal, Bimanual Mobile Manipulation Dataset for Generalizable Embodied Intelligence [59.39508501733987]
  本稿では,RoboMIND 2.0について紹介する。これは310K以上のデュアルアーム操作トラジェクトリからなる,総合的な実世界のデータセットである。 コンタクトリッチで空間的に拡張されたタスクの研究を支援するため、データセットには12Kの触覚強調エピソードと20Kの移動操作トラジェクトリが組み込まれている。 RoboMIND 2.0の可能性をフル活用するために、オフライン強化学習により最適化された階層型デュアルシステムフレームワークであるMIND-2システムを提案する。
  論文  参考訳（メタデータ） (2025-12-31T05:59:40Z)
• GSWorld: Closed-Loop Photo-Realistic Simulation Suite for Robotic Manipulation [18.684526752120412]
  GSWorldは、3Dガウススプラッティングと物理エンジンを組み合わせたロボット操作のための写真リアルシミュレータだ。 本フレームワークは,実ロボットデータから得られたポリシーを再現可能な評価で評価する操作ポリシーの「ループを閉じる」ことを提唱する。
  論文  参考訳（メタデータ） (2025-10-23T17:59:26Z)
• Genie Envisioner: A Unified World Foundation Platform for Robotic Manipulation [69.30586607892842]
  我々は,ロボット操作のための統一世界基盤プラットフォームであるGenie Envisioner(GE)を紹介する。 GEは、ポリシー学習、評価、シミュレーションを単一のビデオ生成フレームワークに統合する。
  論文  参考訳（メタデータ） (2025-08-07T17:59:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。