AdaPower：将世界基础模型专用于预测性操作

arXiv 25.12 2025 61.1 method, application

TLDR

AdaPower将通用世界基础模型适配为机器人操作的专业世界模型，在LIBERO基准上无需策略重训练即提升41%性能。

评分理由

The paper introduces novel adaptation techniques (TS-TTT and MP) that effectively bridge the gap between generative realism and control precision, with strong empirical results on LIBERO benchmarks. However, the evaluation is limited to simulated benchmarks, and real-world robotic validation is absent.

Read-first 评分解释

综合优先阅读分 61.1，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 57。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

主题相关性 42%

81.4

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：519。

关键词评分

world model

generative world model

world dynamics prediction

world simulator

video world model

interactive world model

model-based reinforcement learning world model

深度分析

创新点

时空测试时训练（TS-TTT）用于推理时适配
记忆持久性（MP）用于长时程一致性
将通用WFMs转化为专业世界模型的AdaPower框架

方法

AdaPower是一种轻量级适配框架，通过两个新颖组件将通用世界基础模型（WFMs）专门化为专业世界模型：时空测试时训练（TS-TTT）用于推理时适配，以及记忆持久性（MP）用于长时程一致性。它集成在模型预测控制（MPC）框架中，以赋能预训练的视觉-语言-动作（VLA）策略而无需重训练。

关键结果

AdaPower在LIBERO基准上无需策略重训练即实现任务成功率提升超过41%，同时保持计算效率和通用能力。

技术栈

World Foundation ModelsVision-Language-Action (VLA) policiesModel Predictive Control (MPC)LIBERO benchmarks

资源

论文