ThinkWorld：世界想象强化动力学链推理

ThinkWorld 用世界动力学链与想象强化，让无动作标注视频参与 VLA 训练。

资讯摘要

论文提出 ThinkWorld，一个面向视觉-语言-动作（VLA）模型的学习框架，将动作推理建立在世界动力学之上，并用世界想象结合强化学习加以强化。该方法把每个动作思考表示为 Chain-of-Dynamics（CoD），即一串离散运动 token，作为跨具身共享的动作表示。作者先用带动作标注的示范初始化 CoD，再预测每个 CoD 引发的未来状态，并强化预测更贴合观测结果的 CoD，使无动作标注的视频也能提供监督。作者报告在仿真和真实机器人上验证了人到机器人的迁移及对未见任务的泛化。

要点速读

1. 论文提出 Chain-of-Dynamics（CoD），用离散运动 token 序列表示连接当前世界与未来状态的动作推理。
2. 先用带动作标注的示范初始化 CoD，再通过预测未来并强化与观测结果更匹配的 CoD，让无标注视频提供监督。
3. 作者报告在仿真与真实机器人实验中实现人到机器人迁移，并对未见任务和环境有较强泛化。

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）。