前沿 · 学科走向
世界模型:六个真实方向与一篇水帖的差距
世界模型是 2025-2026 机器人学习的主战场:DreamerV3 上了 Nature,Meta 的 V-JEPA 2 用 62 小时真机数据做到新环境抓放 65-80%,NVIDIA 把 Cosmos 当成「物理 AI 的 LLM」。这一层从一张小红书流传的「六大研究方向」清单出发——方向都真实,但原帖只有热词堆叠、零可验证实体。这里把六个方向逐条拆到:剥掉热词的本质、真实论文锚点(带编号)、帖子没告诉你的技术路线、需要的数学基础、能真跑的入门实验。
定位:这是第四层。/k/ 是工具,/tut/ 是实践,/fund/ 是算法推导,/math/ 是数学原理——这一层讲「学科正在往哪走、为什么」。读法:先看索引页的关系图定路线,再挑一个方向进详情页,详情页里的实验都有实跑数字。
六个方向全景
1
持续强化学习:别学了新的忘了旧的智能体学任务 A 再学任务 B 时,共享参数被新数据拖走,A 的能力塌掉——灾难性遗忘。世界模型这条线上怎么不忘。
2
开放环境适应:先预训世界观,再上线补任务先从大量离线数据(无奖励、非专家)预训一个「对世界的一般理解」,上线后用少量在线交互微调到具体任务;遇到没见过的环境,把多个领域专家模型临时拼起来用。
3
不确定性量化:让模型知道自己不知道模型错的时候自己得知道错。把「我不确定」变成一个可计算的数,规划时避开高不确定区,探索时主动去高不确定区。
4
高效推理:规划是花钱买回报decision-time planning 每步要在潜空间试几百条动作序列(TD-MPC2 默认 512 条 × 6 轮),真机控制频率扛不住;rollout 越长、一步误差乘方复利越大。怎么用更少的搜索换同样的决策质量。
5
分层控制:宏动作省 480 倍想象计算长视野任务里,让一个慢而抽象的高层出子目标/宏动作,一个快而具体的低层出原始动作,两层在潜空间对齐。源头是 Sutton 1999 的 Options 框架;世界模型版本=高层在想象中规划宏动作序列。
6
仿真到现实:像素差距是表象,物理差距是本体在仿真里学的东西到真机失灵——两个世界的条件分布不是同一个。世界模型路线的特殊答案:与其修仿真器,不如让模型从真实视频里自己学「物理长什么样」。
关系图:谁是谁的基础
┌─ 方向三 不确定性量化(组件层,被 1/2/4/6 调用)
│
世界模型骨架 ────┼─ 方向一 持续RL ←── 方向二 开放环境适应(先有可复用先验,才谈持续)
(RSSM/Dreamer) │
├─ 方向四 高效推理 ←≈→ 方向五 分层控制(一枚硬币两面:
│ 时间抽象 = 减少决策点 = 省算力)
└─ 方向六 sim-to-real(骨架 + 全部组件最终要过的验收门)建议学习顺序
- 跑通一个 Dreamer 系实践,配 /fund/ 全线打底——骨架立住再谈方向。
- 方向三入门(实验A,两天量级)——最便宜的第一个实跑,/math/prob/ 与 /math/condexp/ 打底。
- 方向一/二论文精读:arXiv 2507.09177 → DINO-WM → arXiv 2502.19544。
- 方向四/五动手(实验C+D)——共享同一批论文(HWM/FOCUS),从骨架出发一步就能做实验。
- 方向六收尾——全部组件最终要过的验收门,/tut/gazebo-arm/ 是现成起点。
与原帖的差距
六个方向按真实性全部成立,按信息量全部不及格:原帖无论文、无方法名、无 benchmark。最不前沿的是方向三(PILCO 2011 就在做),最名不副实的是方向一(参数高效微调不是主流解法)和方向六(域对抗停在 2018);最实至名归的是方向二和方向五(2025-2026 论文密度最高的两条线)。若只挑一条深入:方向四+五连读。