面向举升任务的紧凑视触觉世界模型：预测、奖励对齐与力约束
TLDR
紧凑视触觉世界模型通过模型辅助反馈改善力约束举升控制，但想象RL无效；在MuJoCo中广泛评估，无物理机器人。
评分理由
Strengths include systematic evaluation across many policies and environments, confidence intervals, and a compact model. Weaknesses are the lack of physical-robot transfer, no closed-loop safety guarantee, and the finding that imagined RL underperforms reactive IQL, limiting practical impact.
Read-first 评分解释
综合优先阅读分 39.1，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 51。
研究版图角色
排序敏感性
稳定性：volatile；排名波动范围：485。
关键词评分
深度分析
创新点
- 用于力约束下刚性箱体提升的紧凑型 652,157 参数动作条件化视觉-触觉世界模型。
- 利用学习到的视觉-触觉动力学进行模型辅助力反馈，以提升力预算内成功率。
- 固定评估协议涵盖 34 个策略、120 个具有几何/物理参数偏移的全新 MuJoCo 环境，以及 12 个分布内环境上的 324 条独立重放动作分支。
- 包含 330 次额外执行的实证触觉残差压力测试。
- 证据表明，准确的触觉预测不一定会改善汇总的力约束控制。
方法
本研究采用一个 652,157 参数的动作条件化视觉-触觉世界模型，并配有匹配的行为克隆（matched behavior cloning）、想象中策略学习、独立的反应式隐式 Q 学习（reactive implicit Q-learning）以及模型辅助力反馈。固定协议在 120 个具有几何与物理参数偏移的全新 MuJoCo 环境中执行 34 个策略，并在另外 12 个分布内环境中重放 324 条独立动作分支。评估指标包括力动作效应 MAE、力预算内成功率以及汇总联合成功率，并以持续性策略（persistence）和反应式 IQL 作为比较基准。
关键结果
视觉-触觉动力学将力动作效应 MAE 从持续性策略的 0.413 N 降至 0.338 N。模型辅助力反馈将分布内力预算内成功率从 73.3% 提升至 93.3%（配对差异 +20.0 个百分点，95% CI [6.7, 33.4]），且该提升主要发生在脚本化下放阶段；而汇总差异为 +3.9 个百分点（95% CI [-4.5, 11.7]）。想象 RL 的汇总联合成功率为 11.9%，而反应式 IQL 为 25.0%。
局限性
- 证据仅限于采用共同接近方式后的刚性箱体提升任务。
- 未报告物理机器人迁移。
- 未提供闭环安全保证。
- 模型辅助力反馈的汇总收益在统计上不显著（95% CI 包含零）。
- 想象 RL 的表现不如反应式 IQL（汇总联合成功率 11.9% 对 25.0%）。