Pelican-Sim 1.0：通用世界模型模擬器，賦予具身智慧學習與決策能力
為何重要
Pelican-Sim 1.0 展示了模擬生成式世界模型能有效縮減具身智慧在真實部署前的技術落差，解決異質硬體環境下的軟體整合難題。憑藉 5.67 倍的訓練速度最佳化與高保真度的視覺輸出，該模擬器為企業級機器人訓練提供了具備成本效益的基礎設施解決方案。此外，透過模擬資料增強少樣本學習，直接將政策成功率翻倍，證明瞭生成式模擬器在強化學習與機器人自動化中的商業化價值。
Pelican-Sim 1.0 是一套通用世界模型模擬器技術報告，旨在透過視覺上下文與機器人動作預測未來觀察結果，以支援下游的學習與決策應用。
- 模型包含 28 維統一動作表示空間以及稀疏混合專家架構，並透過因果調適與少步驟知識蒸餾，將自迴歸模擬器最佳化為 4 步版本，速度比 35 步模型快 5.67 倍。
- 該模型在約 100 萬條真實與模擬軌跡上訓練，在 RoboTwin 基準測試中 PSNR 顯著提升 10.343，且在加入 500 個生成軌跡後，將該任務的政策成功率從 70% 提升至 93%。
- 在下遊應用驗證中，RoboTwin 任務的 500 個生成軌跡結合示範資料，使政策評估在五個檢查點間的皮爾森相關係數達到 0.994，相對成功率提升達 47.7%。