T2-Z：机器人世界模型的环境潜变量测试时优化

arXiv 2026 34.8 method, application

TLDR

T2-Z在测试时优化环境潜变量，使冻结的机器人世界模型适应新环境，提升预测与动作成功率。

评分理由

The paper presents a clear test-time latent optimization method for robotic world models with strong empirical results across simulated and real-world tasks. Weaknesses include a truncated abstract that omits ablation details, and the contribution is more about environment adaptation than generative or video-based world modeling.

Read-first 评分解释

综合优先阅读分 34.8，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 39。

近期性 5%

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

方法质量 15%

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：消融、评估、指标

主题相关性 25%

55.7

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 15%

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

图谱声望 15%

5.7

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0016

引用影响力 15%

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。引用数：0

引用速度 10%

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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：285。

关键词评分

world model

world dynamics prediction

interactive world model

world simulator

model-based reinforcement learning world model

generative world model

video world model

深度分析

创新点

提出T2-Z，为机器人世界模型引入可学习的环境潜变量，并在测试时对其进行优化，以将预测适应到未见过的环境配置。
提出一种两阶段训练流程，在固定环境潜变量的世界模型优化与冻结世界模型的环境潜变量优化之间交替进行，使潜变量结构无需环境因素的监督标签即可涌现。
表明仅通过世界预测，一个紧凑的学习环境潜变量即可捕获单一及复合环境因素的结构化表示。

方法

T2-Z以可学习的环境潜变量为条件，对机器人世界模型进行条件化。训练阶段交替进行：在潜变量固定时跨环境优化世界模型，以及在世界模型冻结时优化条件潜变量。测试时，世界模型保持冻结，新初始化的环境潜变量根据一次或多次测试时交互进行优化；评估涵盖7个仿真环境和4个真实世界机器人任务。

关键结果

在评估的设定中，T2-Z将物体预测误差指标从15.20降至7.00，并将动作成功率从33.73%提升至72.96%。学习到的潜变量捕获了单一及复合因素的结构化表示；消融实验表明，环境潜变量可从仅一条测试时交互轨迹中推断得出。

资源

论文