世界模型全文深读与原图讲解

Feedback World Model：让预测残差进入下一次动作规划

冻结世界模型之后，反馈校正能补偿多少分布偏移？

南洋理工大学 MARS 团队2026-05-15首发 · 2026-10-21 v2修订回顾 2026.05.15

代码公开 · MIT

IN A NUTSHELL

这篇五月首发、十月修订的工作在冻结模型外加入反馈观测器：比较真实潜状态与预测信念，再校正候选未来。它可低成本缓解部分偏移，但稳定性依赖假设，且动作引导本身仍有明显计算成本。

图解主要方法

冻结世界模型之后，反馈校正能补偿多少分布偏移？

1
先定义预测信念与残差
当前观测编码为z，与上一轮保留的信念状态相减得到e。冻结世界模型预测候选动作后的状态，把预测速度加上L乘e；同一轮所有候选去噪保持残差固定，避免把未执行候选当作真实反馈。
2
执行后才更新闭环
执行动作块前15步，推进信念，再用新的真实观测形成下一轮残差。理论收敛要求残差收敛及I−ΔtL稳定；不能从线性观测器条件推导任意域外机器人都稳定。
3
用动作可控性加权专家引导
从200状态、每状态32个示范动作估计潜维度变化，归一化后与均匀权重混合；在100步DDPM的最后15步，用加权最近专家潜状态能量引导。反馈纠错与专家引导是不同模块。
4
区分视频模型扩展
FastWAM实验对未来视频VAE残差做0.7旧值+0.3新值的指数平滑，再加权校正预测。它不是原观测器公式的同一实现，不能直接继承全部证明。

已阅读正文与方法、实验相关附录，核对实验条件与原图；未独立复现。

来源证据七仿真任务平均成功52%，基础40%、普通引导43%、滚动引导45%；实机R1 Lite右臂两任务OOD每格20次，从40%到80%、20%到70%。仿真及真实任务 ↗

我的解读支持特定偏移下有效，20次试验不确定性较宽；并非双臂或多平台全面验证。

来源证据393个OOD回合7553组配对调用，潜误差0.3015到0.2464、约降18.3%，任务成功77.1到81.4。 FastWAM扩展 ↗

我的解读像素误差相对于VAE重建而非原始真实图像；预测误差改善与闭环成功需分别解读。

来源证据过大增益1会令误差增加9%–20%；RTX PRO 6000上基础484ms、一般引导约另需525ms、反馈约15ms、加权不足1ms。稳定性与耗时 ↗

我的解读反馈边际代价小，但完整引导合计约1.02秒，不能写成整个方案只增加15ms。

已查看作者仓库的反馈规划实现、训练/评估目录及LICENSE：主体代码MIT，附第三方来源说明；示范数据需从上游获取，不在仓库再分发。未核实完整预训练检查点与模型卡，本次未复现。

LICENSE作者版权；arXiv非独占托管许可；主体代码MIT，第三方代码单列

独立分析 · 未复现实验

利用真实观测持续纠偏，能在不重训模型时给开放环预测增加反馈，并清楚暴露增益和时延的取舍。

依赖有用潜空间、专家近邻和稳定增益；20项扰动测试仍有两项下降。理论假设与视频残差扩展不是普遍鲁棒性保证。

值得作为冻结世界模型的外层校正器测试，尤其适合可观测、偏移缓慢的任务。

未执行的验证方案：在突发外力、观测遮挡和长期偏移中扫描反馈增益，固定总规划时间比较有无专家引导，记录成功率、最坏延迟与累积误差。