arXiv · cs.AI· Chenyuan Zhou, Yining Hong, Huang Huang, Yunfan Jiang, Wenlong Huang, David Held, Vitor Campagnolo Guizilini, Yue Wang, Li Fei-Fei, Jiajun Wu, Leonidas Guibas, Yejin Choi·· 7 小时前
T2-Z通过测试时环境潜变量优化提升机器人世界模型预测与控制
T2-z: Test-Time Optimization of Environment Latents for Robotic World Models
arXiv:2610.22364v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Chenyuan Zhou, Yining Hong, Huang Huang, Yunfan Jiang, Wenlong Huang, David Held, Vitor Campagnolo Guizilini, Yue Wang, Li Fei-Fei, Jiajun Wu, Leonidas Guibas, Yejin Choi
研究任务与主要进展
Chenyuan Zhou等人提出T2-Z，在测试时优化机器人世界模型的环境潜变量，以捕捉摩擦、质量和环境规则等未直接观测的变化。方法在训练中交替优化世界模型与环境潜变量，测试时冻结世界模型，仅用一次或多次交互适配新环境；摘要称在7个模拟设置和4个真实机器人任务上，物体预测误差由15.20降至7.00，动作成功率由33.73%升至72.96%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org