Skip to content

世界模型

WORLD MODELS · TIMELINE

世界模型 36 年:从内部模型到 WAM

1990–2026 · 五条技术脉络 · 33 个里程碑

早期探索隐空间建模视频生成 · Physical AI · VLAWAM 统一1990200020102018202020222023202420252026模型强化学习 · 隐空间动力学视频生成世界模型JEPA 预测嵌入VLA · 世界行动模型具身 · 物理世界模型World Models1990 · SchmidhuberPILCO2011 · Deisenroth & RasmussenWorld Models2018 · Ha & SchmidhuberPlaNet2018 · DeepMindMuZero2019 · DeepMindDreamer2019 · Hafner et al.DreamerV22020 · Hafner et al.TD-MPC2022 · Hansen et al.DreamerV32023 · Hafner et al.I-JEPA2023 · Meta AIGAIA-12023 · WayveUniSim2023 · GoogleSora2024 · OpenAIGenie2024 · DeepMindV-JEPA2024 · Meta AI1X World Model2024 · 1X TechnologiesGenie 22024 · DeepMindCosmos2025 · NVIDIAV-JEPA 22025 · Meta AIGenie 32025 · DeepMindRT-22023 · Google DeepMindOpenVLA2024 · Stanford et al.π02024 · Physical IntelligenceGR00T N12025 · NVIDIAHelix2025 · Figure AIWAMs Survey2026 · 复旦 · 上海创智 · NUSACT2023 · StanfordRDT / H-RDT2024 · Tsinghuaπ0.52025 · Physical IntelligenceOpenVLA-OFT2025 · Stanford · BerkeleyGR00T N1.72026 · NVIDIAXiaomi-Robotics-02026 · 小米GigaWorld-Policy-02026 · GigaWorld Team
横轴为非线性刻度(1990–2017 已压缩)。悬停节点查看详情。← 左右滑动查看完整时间线 →
WAM PHYLOGENY · 2023–2026

分叉演化:从 VLA 到世界行动模型

61 篇站内收录论文 · 四条谱系 · 分类依据 arXiv:2605.12090

纵轴为论文时间(非线性,2026 密集区已展开)。WAM 把 VLA 的 p(a|o,l) 与世界模型的 p(o′|o,a) 统一为联合分布 p(o′,a|o,l),分为级联(先想象后行动)与联合(单一模型同时生成)两族;底部为 RoboDojo 竞技场 2026-08 榜单快照(34 个模型)。悬停查看详情,点击节点进入论文页。
PAPER2026年7月2日

VLA-Corrector:面向自适应动作视界的轻量级检测与纠正推理

视觉-语言-动作(VLA)基础模型在具身智能上进展显著。为降低策略调用频率并保持时间连贯性,多数生成式策略采用动作块机制,在固定动作视界下以开环方式执行多步未来动作。然而这种先预测后盲目执行的范式牺牲了闭环反应性:在接触丰富的物理交互中,即使微小的局部扰动也会在开环盲区内迅速放大,导致误差复合并最终任务失败。为此本文提出 VLA-Corrector,一个面向动作块 VLA 策略的轻量纠正推理框架。在不修改主干策略权重的前提下,VLA-Corrector 引入轻量潜空间视觉监控器(LVM),持续比较预测与实际的视觉特征演化,实现在线检测视觉动力学偏差;一旦检测到持续偏差,系统触发截断事件、丢弃剩余陈旧动作,并通过在线梯度引导(OGG)发起纠正重规划。该检测-纠正机制自然诱导出事件触发的自适应动作视界:当前动作块可靠时保留长视界执行,执行开始漂移时调用短视界纠正重规划,从而缓解静态视界在执行鲁棒性与策略调用频率之间的权衡。VLA-Corrector 可在不重训 VLA 主干的情况下集成到不同 VLA 模型中,在保留动作块效率收益的同时中断复合误差,显著提升长视界、接触丰富机器人操作任务的鲁棒性。

Yi Pan, Miao Pan, Qi Lu

视觉语言动作模型Robotic Manipulation

本站含 CakeGrowth 联盟推广链接,我们可能从符合条件的购买中获得佣金。