arXiv cs.AI· Tuo An, Jindou Jia, Gen Li, Jingliang Li, Chuhao Zhou, Pengfei Liu, Bofan Lyu, Jiaqi Bai, Xinying Guo, Geng Li, Jianfei Yang·· 12 小时前AI 评分38
Feedback World Model：用实时反馈让扩散策略获得精确引导
Feedback World Model Enables Precise Guidance of Diffusion Policy
AI 导读
研究者提出 feedback world model，一种推理时机制，用机器人执行后观测到的真实下一状态在线更新轻量反馈状态，迭代修正未来预测，无需额外训练数据或参数更新。该方法在 LIBERO-Plus、Robomimic 和真实操作任务上将世界模型预测误差最多降低 76.4%，并可即插即用地改进预训练基础模型 Fast-WAM-Joint 的预测。论文已被 NeurIPS 2026 接收。
正文 · AI 翻译
作者：Tuo An、Jindou Jia、Gen Li、Jingliang Li、Chuhao Zhou、Pengfei Liu、Bofan Lyu、Jiaqi Bai、Xinying Guo、Geng Li、Jianfei Yang
摘要：世界模型旨在通过预测动作的后果来改进机器人决策。然而在实践中，一旦机器人遇到训练分布之外的状态，其预测往往变得不可靠，从而限制了它们在部署时的有效性。我们观察到，执行本身提供了一种自然但未被充分利用的信号：在每个动作之后，机器人直接观测到真实的下一状态，从而揭示预测结果与实际结果之间的不匹配。基于这一洞见，我们提出反馈世界模型，这是一种在推理时闭合预测与观测之间回路的推理时机制。我们的方法不将世界模型视为静态的开环预测器，而是维护一个轻量级的反馈状态，该状态在线更新以迭代修正未来的预测，利用实时观测补偿模型误差，且无需额外的训练数据或参数更新。我们表明，这一过程可以解释为潜空间观测器，并在有界且渐近收敛的动力学残差与稳定的反馈增益下具有收敛性保证。我们进一步引入动作感知引导，通过强调动作可控分量并抑制无关变化，更好地将修正后的预测转化为控制。在 LIBERO-Plus、Robomimic 和真实世界操作任务上的实验表明，我们的方法在分布偏移下显著提升了预测准确性和策略性能，将世界模型预测误差最多降低 76.4%。同一反馈机制在不更新参数的情况下改进了预训练基础模型 Fast-WAM-Joint 的预测，证明了其即插即用的适用性。这些结果表明，在推理时引入实时反馈为静态世界建模提供了一种简单而强大的替代方案。
| 评论： | 被 NeurIPS 2026 接收 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用格式： | arXiv:2605.15705 [cs.RO] |
| （或此版本的 arXiv:2605.15705v2 [cs.RO]） | |
| https://doi.org/10.48550/arXiv.2605.15705 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Tuo An [查看邮箱]
[v1]
2026年5月15日星期五 07:52:13 UTC（13,677 KB）
[v2]
2026年10月21日星期三 14:16:02 UTC（13,798 KB）
来源：arXiv cs.AI · arxiv.org