BOOM团队 投稿 量子位 | 公众号 QbitAI 在具身智能 （Embodied AI） 的快速发展中， 样本效率 已成为制约智能体从实验室环境走向复杂开放世界的瓶颈问题。 不同于纯数字域的对话任务， 具身任务 通常涉及极度复杂的物理环境感知以及高维度的连续控制输出，这意味着智能体面临着巨大的状态- 动作搜索空间，导致学习效率低下且难以收敛。 传统的无模型强化学习由于缺乏对底层物理逻辑的理解，完全依赖于海量的盲目试错来获取学习信号。 然而，在现实物理世界中，每一次交互都伴随着不可忽视的时间损耗、高昂的硬件维护成本以及潜在的安全风险，这使得动辄数亿次的交互 需求变得极不现实。 在线规划能够让智能体在环境交互前通过模拟未来轨迹来优化动作，显著提升强化学习的样本效率。 为了应对这一挑战， 世界模型强化学习 （World Model RL） 研究应运而生。 其核心范式在于通过额外学习一个能够表征环境内在转移规律的预测模型，使智能体具备在想象空间中进行自我进化的能力。 这种机制允许智能体在潜空间内进行大规模、低成本的轨迹预演与策略优化，从而显著降低对环境交互的依赖，加速具身智能机器人的落地 应用。 在世界模型强化学 ...