世界模型训练：让不确定性决定该展开多远

原图 3 的第二种机器人数据结果如何检验课程迁移，停止规则究竟是什么？

1. 1

   用共享 GRU 和多个头估计分歧

   五个自举 MLP 头分别给出下一状态的均值与方差；均值之间的离散程度作为认知不确定性。它是可计算的代理，不是经严格校准的出错概率，头之间共享骨干也可能共享偏差。

2. 2

   只在训练预热阶段确定阈值

   先做 50 次单步训练与 10 次完整展开，用最近预热迭代的浅层不确定性中位数冻结阈值。anchor@2 是取第二步作阈值锚点，不是把后续训练固定成两步；ANYmal 的对应阈值为 0.0808。

3. 3

   按当前批次分歧截断反向训练链

   每批至少展开 4 步，最多 32 步，平均分歧越过阈值时停下。模型变准后自然能走得更远，以较低累计自回归步数覆盖长预测；不同数据和阈值仍会改变课程。

4. 4

   在无泄漏的离线轨迹划分上比较

   ANYmal 约六百万转移，观测 45 维、动作 12 维；Ant 约六百万转移，观测 105 维、动作 8 维。轨迹片段先划分训练/验证，再取 32 步历史和未来窗口，归一化仅用训练集，避免邻窗跨集合。

5. 5

   把预测、训练计算和控制收益分开验收

   论文还比较固定 8/32 步及 MC Dropout；某些 dropout 参数会一直停在最短展开。附录回放自适应得到的长度序列，不再计算不确定性，也能得到相近精度，说明发现课程本身可能是主要贡献。控制实验没有显示相对固定展开的一致策略提升。

以下为作者报告；已阅读 v1 全文及附录，本站未独立执行研究实验。实验条件与编辑解读分别列出。

已核查全文和附录；论文引用的 robotic_world_model_lite 是基线来源，本次未确认本文独立实现，不冒认为作者代码。

LICENSE论文 arXiv 非独占分发；本文软件许可未确认。