Data / 机器人 / 具身 / 实体卡片

RoboScape-R

论文与基准世界模型

以世界模型为通用训练环境、产生内生奖励的 RL 框架

链接
arxiv.org

数据配方

把世界模型当作 RL 中的通用环境代理：世界模型不仅预测观测，还从它对真实状态转移动力学的理解中产生"内生"奖励，避免手工设计的任务特定奖励 [1]。具体训练数据规模与混合未在摘要中给出。

结果与证据

域外场景下相对基线平均提升 37.5%（CVPR 2026，作者自报）[1]。

已知缺陷与口径

37.5% 是相对基线的平均提升，基线定义与任务数需看原文。奖励来自世界模型自身，无独立真值校验，可能出现幻觉成功。

来源

  1. arXiv 2512.03556 (2026-10-14)

相关卡片

幻觉成功概念与方法
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
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

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。