反馈世界模型提升扩散策略引导精度

Tuo An 等研究者提出“反馈世界模型”（feedback world model），一种推理时机制：机器人执行动作后，用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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。