全部论文

World Model｜机器人如何理解世界

世界模型不是让机器人“脑补视频”这么简单，关键是它能否形成可迁移、可读出、能支持动作生成的状态表征。

堆10倍数据还输40%--Psi-Zero说混训人形机器人根本就是错的
少量机器人数据下的策略学习 2026-07-07 阅读文章
推理时不用想象未来，机器人照样跑到91.8%！Fast-WAM拆穿了WAM的核心假设
训练视频目标，比测试时想象未来更关键 2026-07-07 阅读文章
π0.5抓勺子失败就原地哆嗦,Orca却靠刷视频悟出的物理直觉更进一步
世界模型的关键是可读出的状态 2026-07-06 阅读文章

路线关系

  • Orca ↔ Fast-WAM

    二者都说明世界模型的价值不只在推理时生成未来，而在训练阶段塑造可迁移的世界表征。

  • Fast-WAM ↔ Psi-Zero

    二者都在削弱“复杂推理链条必然带来更好机器人策略”的假设，转而强调训练目标、数据质量和动作读出的效率。

  • Orca ↔ Psi-Zero

    Orca 强调可读状态潜空间，Psi-Zero 强调少量高质量机器人数据下的策略学习，二者共同指向“表征 + 动作读出”的路线。