提出反馈世界模型以在线修正扩散策略预测

Tuo An 等提出反馈世界模型（feedback world model），在推理时用机器人执行后观测到的真实状态在线闭环修正预测，无需额外训练数据或参数更新，并引入动作感知引导把修正后的预测转化为控制。该方法可解释为隐空间观测器，在有界渐近收敛动力学残差和稳定反馈增益下给出收敛保证。 论文称，在 LIBERO-Plus、Robomimic 和真实操作任务实验中，该方法在分布偏移下提升了预测精度与策略性能，世界模型预测误差最多降低 76.4%。论文已被 NeurIPS 2026 接收。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。