幻觉成功
概念与方法世界模型
世界模型在动作错误时仍生成任务成功的画面，污染想象中的 RL
定义与机制
hallucinated success：动作本身错误（比如没抓到物体），视频世界模型仍然生成"成功完成任务"的后续画面。若用这种 rollout 做 RL 或生成训练轨迹，奖励被虚高，策略学到错误行为。
证据与数字
- PlayWorld（arXiv 2603.09030）称基线世界模型最常见失败为 hallucinated success；摘要称真机策略成功率提升 65% [1]。
- World-VLA-Loop 指出既有世界模型在动作错误时仍可能生成成功结果，不适合直接做 RL；用近成功轨迹数据集把策略失败回灌世界模型 [2]（摘要转述）。
- WM-DAgger 用真实专家末帧锚定过滤不合理合成轨迹 [3]（仅摘要）。
争议或反方
- 奖励多由模型自身给出：World4RL 用 ResNet 判成败，Motus2 用同一模型评估，GR00T-Dreams 用 Cosmos Reason 过滤；SC3-Eval 用逆动力学一致性终止漂移 rollout，是少数引入独立约束的设计。
- 各工作对该问题的量化口径不同，没有统一的幻觉成功率指标。
来源
相关卡片
物理仿真 vs 世界模型的两种失败模式概念与方法
仿真物理对但画面假，世界模型画面真但物理可能错，评测需分开设计
Ctrl-World论文与基准
DROID 上训练的可控多视角世界模型，用于策略评测与成功轨迹回灌
DreamGen / DreamDojo论文与基准
视频世界模型加逆动力学生成神经轨迹的四阶段方法，及 4.4 万小时人类视频预训练的 DreamDojo
RoboScape-R论文与基准
以世界模型为通用训练环境、产生内生奖励的 RL 框架
World4RL论文与基准
扩散世界模型当模拟器，在想象环境中端到端 PPO 精调策略
WorldEval / dWorldEval论文与基准
用 Policy2Vec 把视频模型变成策略评测器，三任务 Pearson 均值 0.942
卡片整理 2026-10-14。公司自报数据标“公司口径”；⚠️ 为未经独立核实。