统一以对象为中心的世界模型与扩散策略：一种用于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潜力巨大，常作为模型预测控制中的转移函数。然而，现有方法在机器人领域局限于单阶段任务，难以应对需要复杂序列规划的多阶段任务。本文提出 WorldDP，一种专为多阶段机器人操作设计的世界模型框架。该分层方法利用高层世界模型作为转移函数，在运行时优化可行的子目标，并由底层扩散策略执行到达。此外，引入以对象为中心的表示法解耦环境实体，支持针对每个实体的序列规划。实验表明，WorldDP 在多个基准测试中优于现有基线，证明了将世界模型的物理 grounding 规划与扩散策略的高效执行相结合，能显著提升多阶段任务性能。