智能体与自主科学
突破级
暂无讲解视频
收录解读
问题与背景：机器人操作策略在真实环境里常受视觉和力学分布漂移影响，离线训练好的 diffusion policy 难以在动态条件下稳健适应。
方法/新意：AdaWorldPolicy 把 world model、action expert 和 force predictor 都实现成 flow-matching diffusion transformer，并用在线自适应学习在 action generation 与 future imagination 两种模式间切换，使系统在视觉和物理漂移下都能闭环更新。
意义/放在仓库中的位置：这篇论文属于 robotics / world model / adaptive policy 主线。它的重要性在于把世界模型从纯预测器推进为在线适应策略的核心监督源。
局限/为何不再升一级：尽管系统完整，但目前主要影响机器人 manipulation 这一赛道，尚不足以升到颠覆性。