Sword: 基于动态潜在引导的风格鲁棒世界模型用于VLA策略后训练模拟器

arXiv 2026 63 method

TLDR

Sword通过风格增强和动态潜在引导提升世界模型鲁棒性，用于VLA策略后训练，在LIBERO上超越WoVR。

评分理由

The paper directly addresses key weaknesses of world models as simulators—poor generalization and long-horizon error accumulation—with two novel techniques. However, it is evaluated only on the simulated LIBERO benchmark, limiting evidence of real-world applicability. The abstract clearly states the core contribution and experimental results.

Read-first 评分解释

综合优先阅读分 63，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 50。

方法质量 18%

100

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：基线、基准、评估、实验、指标

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%

74.4

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：0.7440437

主题相关性 29%

71.4

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

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

前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：372。

关键词评分

world model

world simulator

generative world model

model-based reinforcement learning world model

world dynamics prediction

interactive world model

video world model

深度分析

创新点

结构引导风格增强，将视觉纹理与任务相关动态解耦
动态潜在引导，以低内存消耗保持训练与推理一致性

方法

Sword提出了一种用于VLA策略后训练的鲁棒世界模型框架。它采用Structure-Guided Style Augmentation，通过分离视觉纹理与动态来提升泛化能力，并利用Dynamic Latent Bootstrapping在保持低内存消耗的同时对齐训练与推理分布。该方法在LIBERO基准上与WoVR基线进行对比，评估指标包括泛化能力、生成质量、鲁棒性、保真度以及强化学习后训练的成功率。

关键结果

Sword在LIBERO基准上所有评估指标（包括泛化能力、生成质量、鲁棒性、保真度以及VLA模型强化学习后训练的成功率）均显著优于WoVR基线。

局限性

评估仅限于LIBERO基准，未展示对其他环境的泛化能力。
仅与单一基线（WoVR）进行比较，与其他世界模型方法的相对性能未知。

资源

论文