arXiv cs.AI· Xuan Wen, Baichao Wang·· 3 天前AI 评分31
D-World：显式世界-语言-动作模型，双控制下递归自我改进
D-World: An Explicit World-Language-Action Model with Recursive Self-Improvement under Dual Control
AI 导读
D-World 是一个基于 Sense、Plan、Act 分解的显式世界-语言-动作模型，用可执行数字孪生替代隐式世界模型，让机器人策略可被直接检查与修正。其递归自我改进（RSI）机制在 LLM 冻结的前提下，通过测量驱动的参数修订持续改进孪生环境，仅当重放最新动作块不使任何测量残差超出容差时才接受修订。
正文 · AI 翻译
摘要：前沿大语言模型（LLM）如今对空间的理解已足以编写机器人程序，但机器人策略背后的世界模型是隐式的，存在于网络权重或预测视频中，无法被直接检查或修正。我们提出 D-World，一种基于感知、规划与执行分解的显式世界-语言-动作模型。感知智能体使用生成的视觉与几何代码将场景写为可执行的数字孪生。规划智能体在仿真中搜索动作，并在每个已执行的动作块之后，根据机器人实际测量结果修正孪生中的物体状态和具名物理参数。仅当重放最新动作块不会使任何测量残差超出其容差时，参数修正才被接受，且每个动作块在运行前都会在更新后的孪生中检查。结构性不匹配会返回感知环节进行重建。我们将这种以测量为依据的修正与修订循环称为递归自我改进（RSI），其中 LLM 保持冻结，而它所作用的世界不断改进。我们将既推进任务又暴露模型误差的动作选择建模为对偶控制问题，并表明将证据纳入孪生的成本设定了探测值得进行的阈值，因此廉价的局部修正可抵消谨慎控制器的关闭倾向。每个回合运行真实-仿真-真实的循环，其记录的孪生可离线重新拟合和重新渲染为更高保真度的环境，用于后训练。由于感知与规划仅通过孪生和语言通信，二者均可被学习模型替换；又因推理主导该循环，循环会随模型加快而加速。在双臂机器人上，毛巾和烤面包机任务展示了局部修正，例如将面包的渲染深度残差从 22.4 降至 1.5 毫米，使执行无需重建即可继续。
| 评论： | 23 页，4 幅图，2 张表 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.17114 [cs.RO] |
| （或 arXiv:2610.17114v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17114 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Xuan Wen [查看电子邮件]
[v1]
2026 年 10 月 12 日星期一 17:05:31 UTC（1,275 KB）
来源：arXiv cs.AI · arxiv.org