反馈世界模型实现扩散策略的精确引导

arXiv 2026 52.6 method

TLDR

一种利用观测状态在线校正预测的反馈世界模型，提升了分布偏移下的机器人策略性能。

评分理由

The paper introduces a novel method to address world model unreliability by closing the loop between prediction and observation at inference time, with theoretical guarantees and real-world experiments. Strengths include practical online correction and convergence guarantees; weaknesses include limited scope to manipulation tasks and lack of explicit comparison baselines in the abstract.

Read-first 评分解释

综合优先阅读分 52.6，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 40。

近期性 6%

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

引用影响力 18%

79.3

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.79349179

方法质量 18%

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：实验、结果

主题相关性 29%

57.1

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

可复现性 18%

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

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：275。

关键词评分

world model

world dynamics prediction

interactive world model

model-based reinforcement learning world model

world simulator

generative world model

video world model

深度分析

创新点

在推理时闭环预测与观测的反馈世界模型范式
轻量级反馈状态在线更新，迭代校正未来预测，无需额外训练数据或参数更新
动作感知引导，强调动作可控组件，抑制无关变化

方法

该方法维护一个轻量级反馈状态，在线更新以迭代校正未来预测，利用实时观测补偿模型误差。可解释为潜在空间观测器，在温和条件下具有收敛保证。引入动作感知引导，通过强调动作可控组件将校正后的预测转化为控制。

关键结果

该方法在LIBERO-Plus、Robomimic和真实世界操作任务上，将世界模型预测误差降低高达76.4%，并将分布外成功率提升30%。

资源

论文