World-VLA-Loop: 视频世界模型与VLA策略的闭环学习

arXiv 26.2 2026 54 method

TLDR

视频世界模型与VLA策略的闭环共进化学习，提升性能并减少真实交互。

评分理由

Strengths include novel SANS dataset, state-aware video world model with joint reward prediction, and closed-loop co-evolution. Weaknesses: limited detail on real-robot setup and potential scalability issues.

Read-first 评分解释

综合优先阅读分 54，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 63。

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

主题相关性 29%

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 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：数据集、实验

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：数据集、GitHub

引用影响力 18%

16.6

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：0.16563989

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

排序敏感性

稳定性：volatile；排名波动范围：669。

关键词评分

world model

video world model

generative world model

world dynamics prediction

model-based reinforcement learning world model

world simulator

interactive world model

深度分析

创新点

整理SANS数据集，混合成功和接近成功的轨迹以改善动作-结果对齐
状态感知的视频世界模型，从扩散潜变量中联合预测未来帧和二元奖励，将奖励估计耦合到生成器
闭环共进化范式：使用精炼的世界模型进行迭代VLA后训练，同时将改进策略的rollout反馈回来以增强和微调世界模型

方法

该方法首先整理了一个包含成功和接近成功轨迹的SANS数据集，以改善动作-结果对齐。然后训练一个状态感知的视频世界模型，从扩散潜变量中联合预测未来帧和二元奖励，将奖励估计耦合到生成器。接着采用闭环共进化范式：使用精炼的世界模型进行迭代VLA后训练，同时将每个改进策略的rollout反馈回来以增强和微调世界模型。

关键结果

在仿真和真实机器人实验中，World-VLA-Loop显著提升了VLA性能，同时减少了对昂贵物理交互的依赖。

资源

论文项目