VLAW: 视觉-语言-动作策略与世界模型的迭代协同改进

arXiv 26.2 2026 69.9 method

TLDR

通过真实世界交互数据迭代改进视觉-语言-动作策略和视频世界模型，显著提升机器人任务成功率。

评分理由

The paper presents a practical iterative co-improvement framework that leverages real-world rollouts to enhance a video-based world model, which then generates synthetic data to improve a VLA policy. Strengths include addressing real-world data scarcity and demonstrating clear performance gains on a real robot. Weaknesses are the limited discussion of world model fidelity across diverse tasks and potential generalizability issues.

Read-first 评分解释

综合优先阅读分 69.9，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 58。

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%

82.9

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：数据集、实验

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：数据集

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：147。

关键词评分

world model

world simulator

generative world model

video world model

world dynamics prediction

interactive world model

model-based reinforcement learning world model

深度分析

创新点

通过在线交互迭代协同改进视觉-语言-动作（VLA）策略与世界模型
利用真实世界 rollout 数据改进动作条件视频生成世界模型的物理保真度
利用改进的世界模型生成合成 rollout 数据以进一步改进 VLA 策略

方法

本文提出一种迭代算法，首先收集真实世界的策略 rollout 数据，然后使用这些数据微调动作条件视频生成世界模型以提高其物理保真度，接着利用改进的世界模型生成合成 rollout 数据用于训练 VLA 策略。该方法在真实机器人上针对多个下游任务进行评估，比较基础 VLA 策略与使用合成 rollout 训练的策略。

关键结果

该方法在真实机器人任务上实现了比基础 VLA 策略绝对成功率提升 39.2%，并且通过使用生成的合成 rollout 训练额外提升了 11.6%。

局限性

世界模型在接触丰富的物体操作中可能仍难以准确建模微小但关键的物理细节
迭代改进依赖于真实世界 rollout，收集成本较高，尽管低于完整策略训练
该方法仅在特定下游任务上得到验证，未证明对更广泛场景的泛化能力
世界模型生成的合成 rollout 与真实世界动力学之间可能存在领域差距，限制策略改进

资源

论文项目