世界模型可回溯决策点做反事实探索来改进机器人策略。
资讯摘要
论文提出 Rollback，将动作条件世界模型从单向模拟器变为反事实引擎：回溯到关键决策点、分支出替代动作并对比结果，把反事实结果蒸馏为动作级监督，无需单独学习价值模型。作者报告在三个真实机器人任务上成功率较最强基线绝对提升 10.67%、11.11%、11.85%，并在 8 小时内于抛球和桌面冰壶任务上超过人类玩家平均成功率。
要点速读
- 方法回溯到关键决策点、分支出替代动作并对比结果，将反事实结果蒸馏为动作级监督，无需单独价值模型。
- 作者报告在取块、抛球、桌面冰壶三个真实任务上，成功率较最强基线绝对提升 10.67%、11.11%、11.85%。
- 系统结合分布式世界模型搜索与异步真实机器人执行，并用轻量 LoRA 管线以真实转移校正世界模型动力学。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。