在具身智能通往 AGI 的征程中襄阳锚索厂，咱们正濒临个幽魂般的恫吓：“黑盒幻觉”。

当个机器东说念主或自动驾驶政策出错时，设备者时常很难定位原因。因为“预测改日”和“评估锐利”这两个在高大的联收聚会被牢牢绑在起。旦出了事故，你根天职不清它到底是“想错了”（对物理全国的预测不合），照旧“判错了”（对落幕锐利的评估有误）。

这种“想”与“判”的缠绕，正成为淆乱具身政策走向安全和可查验的大绊脚石。

这种探索期的迷濛与争论，在2026年7月17日 RSS 2026Workshop现场，OpenDriveLab 中枢成员陈立给出了他的谜底。

陈立发表了题为“Improving Embodied Policies with Compositional World Models”的演讲，直击这行业盲区，建议了“组”（Compositionality）原则。

这原则的中枢想想很简便：把全国模子的“预测”组件和“价值评估”组件断绝，让它们各自强、业运作。预测组件只厚爱像沙盘样演“作念动作后会发生什么”，而评估组件则只厚爱判断“献艺来的服从是好是坏”。这种上的解耦，让AI的决议过程变得像拼图样，既明晰又可追念。

在这场演讲中，陈立展示了四项层层递进的系统责任：从自动驾驶的安全仿真 ReSim、操控任务的“先生成后修正” Generation-then-Revise、到自动驾驶后磨砺基础要领 World Engine、再到机器东说念主政策自我矫正的 RISE。这些责任不仅让机器东说念主和东说念主车学会了“在设想中犯错、在安全中变忠良”，将这套组式规定，步步从“选择”向“修正”，乃至风险等的“后磨砺”。

天然风险等层层递进，但每步皆保留了可查验，让颠倒不错被追念，而不是被遮盖在黑盒之中。

以下是陈立在 RSS 2026大会上发表的演讲精编稿，雷峰网AI科技挑剔基于原英文演讲内容进行了不改情愿的翻译裁剪：

演讲实录：Improving Embodied Policies with Compositional World Models

主讲东说念主：陈立（Li Chen） | OpenDriveLab

大好！今天我想和大探讨个联贯咱们近期责任的中枢想想，这个想想其实很是简便：预测能告诉咱们某个动作可能带来什么服从，但仅凭预测自己，并不成告诉咱们这个服从是否灵验。我将这种“预测与评估保抓富有立、各自扫尾业化”的特征，称为全国模子的组（compositionality）。

在现时的具身智能域，正如大所见，具身政策在将不雅测和提醒映射为动作面照旧变得很是执意。不外，这里需要澄盘点，屏幕右侧展示的部分并非全国模子，它践诺上是个政策。

事实上，好多政策的失败并不是因为它们曲解了提醒，而是由于政策莫得预判其动作可能带来的服从。比如在驾驶场景中，个政策可能在局部看起来很安全，但只是秒后就会堕入危急的交互；在机器东说念主操控中，机器东说念主可能动起手就碰到失败，致下阶段的任务压根法完成。

天然物理试错（举例真确全国的强化学习）不错涌现这些问题，但它的过程其清闲、伴跟着风险，且很难进行并行化。比拟之下，全国模子提供了个具眩惑力的案，让政策在终作念出决议之前，有个能够注视可能服从的虚构空间。

跟着询查的入，“全国模子”这个术语照旧被庸俗使用，其涵盖的系统也因为与动作的关系不同而呈现出千般化的图谱。在这张图上，我放弃了些很是具有代表的责任。咱们不错看到，从左到右，动作接口变得加可控；自下而上，系统对政策的感知程度徐徐增强。比如常见的生成模子，它们天然能从庸俗的视觉和物理先验中学习，但并不提供具身动作接口。另外些系统则支抓可控仿真，比如CARLA以及咱们团队的其他责任，但在决议时的在线理或政策矫正面，它们还莫得过多涉足。

而在咱们现时及改日的责任（如World Engine和RISE）中，咱们探索的恰是怎么控制这些全国模子来矫正政策。

为了扫尾这个策划，咱们构建了个典型的模子历程。

咱们先输入历史不雅测和个具体动作（比如在这个例子中的右转），然后为改日的时分步设想出改日的情状。在驾驶场景中，动作不错是轨迹航点等层信号；在操控任务中，它则可能是段连气儿动作或戒指信号。尽管情状的示意花式不错千般化（如、潜情状或结构化几何），但中枢要求遥远是因果可控，也就是说，窜改动作须能以正确的式窜改设想中的改日。

紧接着是价值评估部分。价值模子接纳设想出的改日情状，并结现时任务或策划，去估算励或价值（如程度或势值）。这个输出不错将预测更动为政策接口。如斯来，政策不仅不错在候选轨迹中进行选择，还不错在动作生成过程中提供梯度，甚而不错在这些生成的训导上进行强化磨砺。

需要强调的是襄阳锚索厂，咱们这里的“组式”是在兴味上使用的。即便预测和评估存在于同个大的系统中，它们也保抓着立。

这种让设想与评估分离的机制至关首要，它赋予了系统种会诊本领，让咱们能够追问：个决议颠倒究竟是因为模子预测了颠倒的服从，照旧因为价值模子作念出了颠倒的判断？

这种立之是以不可少，是因为两者的策划截然有异。预测部分需要输出维的改日不雅测，而评估部分则需要输出励、程度或势值。在建模法上，能源学预测侧重于维生成，而价值评估则侧重于任务条款下的评估与失败检测。天然表面上个单的联收集不错同期就业于这两者，但它会地面耦标签、模子容量和新退换。

因此，咱们接收组式框架，确保这些选择在保抓可能的同期，加立和可靠。

基于这想想，咱们开展了四项具体的实践责任，它们在控制全国模子的式上各有侧重，底下我将为大逐伸开。

01

ReSim：自动驾驶的可靠全国模拟

先是对于自动驾驶可靠全国模拟的ReSim名目，咱们以此来处理预测可靠的问题。

真确全国的数据集（如nuScenes）天然提供了大的视觉千般，但其中的大大皆动作皆来自于其严慎的东说念主类驾驶员。这意味着其动作散布很是狭隘且偏向安全，诸如偏离说念路等非普通行径的数据为有数。在这些数据上磨砺出来的全国模子，很容易忽略异常的动作输入，钢绞线厂家从而生成看似普通的画面。比如，当咱们给模子输入个不安全的戒指信号时，它却法生成相应的危急服从。这对于政策评估是致命的——要是设想中的改日永远是片祥和，励信号就法分歧动作的劣。

为了扩张动作覆盖，咱们将来自CARLA模拟器的非动作与来自YouTube及nuScenes的真确数据相结。真确全国数据提供了丰富的场景和交通标注，而仿真数据则补充了不安全行径的服从。通过这种组磨砺，并结个能样本迁徙到真确全国的Video2Reward模子，ReSim告捷具备了预测危急服从的本领。在NAVSIM测试中，控制ReSim提供的励信号，谋略得分达到了74.1分。

02

Generation-then-Revise：操控任务的价值引生成

这促使咱们想考下个问题：价值能否在决议完成之前就径直影响动作的生成？为此，咱们建议了针对操控任务的 Generation-then-Revise 历程。

在以往的责任中，价值断往往只酌量单条设想轨迹，何况论驱动提议是否正确皆会实践串行修正，率较低。咱们的新法引入了生机势挑剔器与多束搜索。策

略先建议个动作序列，随后由个轻量的两层触发器快速决定是径直实践照旧进行修正。要是触发修正，扩散模子会伸开多个候选旅途，并通过快速挑剔器估算每条旅途的势值来择选择。这种“早退出”机制大幅减少了不要的理时分，同期确保了修正的质地。

到这步，全国模子的设想力照旧不错矫正单个政策。

03

World Engine：自动驾驶后磨砺的基础要领襄阳锚索厂

为了让生成的训导能够径直看成政策矫正的环境，咱们设备了自动驾驶后磨砺基础要领World Engine。

在这个名目中，咱们针对长尾事件，控制3D斯泼溅（3DGS）将真确场景重建为传神的交互式环境。这里的行径全国模子是个基于多智能体轨迹的扩散模子。咱们不错设定特定的策划点，并把柄舆图拓扑生成周围车辆千般化的改日轨迹。行径模子预测畅通，3DGS渲染器则生成对应的传感器不雅测。两者结，告捷将次真确的纪录更动为屡次闭环的交互强化磨砺。

实验标明，这种闭环后磨砺大幅普及了政策在处理真确长尾事件时的告捷率。

04

RISE：用组式全国模子扫尾机器东说念主政策自我矫正

将这种重建场景与政策矫正相结的想路，咱们也蔓延到了机器东说念主域，这就是咱们的四项责任：RISE（基于设想自我矫正的机器东说念主强化学习）。

RISE干系联贯：https://github.com/OpenDriveLab/RISE

真确全国的机器东说念主强化学习濒临着物理老本、安全监控难、硬件易损等多重窘境。在RISE中，咱们以极少的真确演示和物理演看成锚点，而将大部分的交互磨砺更动到了全国模子的设想空间中。

RISE的全国模子雷同由两个业化的组件组成：能源学模子厚爱接纳近期不雅测和改日动作，并预测出多视角的改日画面；价值模子则接纳这些设想画面并估算任务程度，将价值各异更动为励。这两个组件具有不同的归纳偏置——生成需要保抓视觉连贯，而价值模子需要机敏地检测出狭窄的失败。

在扫尾细节上，能源学模子基于通用生成基座进行了轻量化定制，能在两秒内快速生成25帧画面。同期，咱们通过任务中心批处理时代，让模子注于学习动作戒劝诱起的视觉各异。价值模子则基于预磨砺的机器东说念主大模子进行微调，结了程度讲究和时序差分（TD）双重策划，既能提供平滑的程度信号，又对失败动作其敏锐。

这种双组件的业化带来了巨大的势。由于能源学模子和价值模子仅在磨砺时代阐扬作用，磨砺完成后，部署在机器东说念主上的政策不承担全国模子的理支出。此外，由于接口是可查验的，当系统阐述欠安时，咱们不错明晰地会诊出是能源学模子的预测出了偏差，照旧价值模子的信用分拨出现了过失。

在践诺的矫正轮回中，政策从真确不雅测锚点开拔建议动作，能源学模子预测落幕，价值模子进行评估，并将这些设想训导与真确数据混放入缓冲区用于政策新。为了止全国模子产生幻觉，咱们放荡了演的步数，并遥远以真确数据看成撑抓。实验标明，在动态分拣和物体操控等任务上，RISE均赢得了显赫的能普及，且终部署的政策依然保抓着的实践率。

总结咱们这系列的责任，其中枢在于：使预测和评估业化，用不同数据进行监督，立扩张各个组件，并在信任生成训导之前对其进行注视。

揣测改日，我以为有三个关节的向值得打破：

是基础要领的成立，全国模子的磨砺、理和具身环境须变得加；

二是泛化本领，尤其是设备通用的价值模子；

三是全国模子的探索，举例Cosmos Token等新时代在改日的应用。

在这个过程中，咱们的挑战在于如安在扫尾系统整的同期，不失去组件的业化与可查验——而这恰是组式法的价值场所。

以上就是我今天的分享，谢谢大！

05

Q&A 问答武艺

Q：个问题是：特定的程度价值模子如安在不重新磨砺的情况下泛化到未见过的任务中？

陈立：当今来看，价值模子践诺上依然是任务特定的。咱们的作念法是控制些域内数据，在预磨砺基座（如 π0.5）上进行微调，从当今的响应来看，这种式是有的。

Q：二个问题也比较访佛：价值模子在未见过的数据点上有多可靠？其偏差简略有多大？

陈立：对于全新的任务，价值模子如实法径直泛化。然则对于域内的泛化（举例光照、位置的窜改等常见的泛化测试），价值模子的泛化本领不错与政策模子自己的阐述相忘形。因为它们分享了换取的预磨砺基座，在论文中，咱们也使用了换取的数据并结了TD亏欠来进行磨砺。

个东说念主读论文太孤独，群东说念主刷顶会才好玩。

RSS 2026召开在即，咱们正在召集波含金量的 AI 询查者。群内主及时论文追踪与硬核时代探讨，拒灌水。

? 进群传送门：扫码进群或添加微信Luyoyo_2026，备注：论文群 + 温存的 AI 向。

搞科研/搞时代，信息差很首要。

来，起快东说念主步！

上车，带你看遍大众 AI 顶会精华

可畅览：

演讲PPT

大会叙述全文

热点论文解读

学术新星访谈

天津市瑞通预应力钢绞线有限公司相关词条:玻璃棉     塑料挤出机厂家     钢绞线    管道保温    PVC管道管件粘结胶

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。