RWM动力学模型复现研究：RWM-U不确定性排序有效但尺度低估

Right Ranking, Wrong Scale: Reproducing the Robotic World Model's Dynamics Model and Testing the Uncertainty of Its Follow-up

AI 导读 · 根据来源整理

研究复现了Robotic World Model（RWM）的动力学模型，并检验其后续工作RWM-U在离线策略优化中用于惩罚奖励的不确定性估计。复现实现与已发布模型的梯度一致；在留出数据上，用模型自身rollout训练在预注册的长时程上于全部十个episode优于单步训练，但在短单步窗口上表现更差。RWM-U的集成分歧对rollout误差的排序优于预测步数（100步时Spearman rho=0.90），但其分布范围明显低估误差：已发布checkpoint在100步时的一倍标准差覆盖率为4.6%，而校准高斯为68%；让集成成员基于自身预测滚动可将覆盖率提升至33%。