T2-Z：测试时优化环境潜变量改进机器人世界模型

Chenyuan Zhou 等人在 arXiv 发布论文，提出 T2-Z 方法：给机器人世界模型增加可学习的环境潜变量，用于捕捉摩擦、质量等未直接观测的环境变化。训练时交替优化世界模型与环境潜变量，测试时冻结世界模型，仅通过一次或多次交互优化环境潜变量以适配新环境。 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%；消融实验显示，环境潜变量可从单条测试时交互轨迹中有效推断。以上结果基于论文摘要，尚待独立验证。

AI 根据报道生成 · 3 小时前更新