EVA：通过逆动力学奖励将视频世界模型与可执行机器人动作对齐

arXiv 26.3 2026 71.1 method, application

TLDR

EVA使用逆动力学奖励对齐视频世界模型与可执行机器人动作，通过强化学习后训练解决可执行性差距。

评分理由

The paper clearly identifies a practical problem (executability gap) and proposes a novel RL-based alignment method using inverse dynamics as reward. Strengths include direct use of real robot trajectories and robustness to visual artifacts. Weaknesses include potential embodiment specificity and reliance on pre-collected real data.

Read-first 评分解释

综合优先阅读分 71.1，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 55。

近期性 8%

100

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：2026

主题相关性 42%

78.6

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、实验、结果

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：工件、代码、GitHub

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：85。

关键词评分

world model

video world model

generative world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

interactive world model

深度分析

创新点

利用可执行性差距作为视频世界模型的训练信号
将基于真实机器人轨迹训练的逆动力学模型（IDM）重新用作视频对齐的奖励模型
强化学习后训练框架（EVA）用于对齐视频世界模型与可执行机器人动作

方法

EVA是一种强化学习后训练框架，它在真实机器人轨迹上训练逆动力学模型（IDM），并将其用作奖励模型，通过生成的视频所诱导的动作序列来评估视频。该奖励鼓励平滑运动（由速度、加速度和加加速度衡量），并惩罚违反具身约束的动作，即使生成的视频包含严重的视觉伪影。

关键结果

在RoboTwin基准测试和真实双臂机器人上的实验表明，EVA减少了生成展开中的具身特定伪影，并提高了下游任务执行成功率。

资源

论文项目