RWM动力学模型复现：RWM-U排序有效但尺度低估
先了解这件事
Joyjeet Singh 复现了 Robotic World Model（RWM）的动力学模型，并检验其后续工作 RWM-U 用于离线策略优化奖励惩罚的不确定性估计。复现实现与已发布模型的梯度一致。研究只覆盖一个机器人、一种步态和一个数据集，未训练策略。 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%，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%。按预测步长分别缩放后，在留一 episode 评估下可恢复一倍标准差覆盖，但二倍标准差覆盖未恢复。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- arXiv · cs.RORWM动力学模型复现研究：RWM-U不确定性排序有效但尺度低估
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%。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 811月3日 19:00
- 近 24 小时变化
- –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。