Problem

目前的機器人世界模型（World Models）在應用於真實環境時，難以同時滿足模擬保真度、長時序連貫性及運算效率這三大需求。這導致過往的模型在處理高度動態且具備長程目標的操作任務時，往往無法提供精確的預測，進而限制了其在策略評估與即時規劃上的實用性。

Method

研究團隊開發了 WEAVER（World Estimation Across Views for Embodied Reasoning）架構。這是一個多視角的世界模型，核心採用流匹配（Flow-matching）損失函數來預測未來的潛在狀態（Latents）與獎勵值。開發過程中針對模型架構、記憶體機制及預測目標進行了深度優化，以解決長時序動態操作中的收斂與一致性難題。

Results

實驗證明 WEAVER 在多項指標上達到領先地位：其模擬結果與真實世界成功率的相關性達 0.870；在現有的機器人基礎模型之上，使真實操作成功率提升了 38%；在測試時規劃（Test-time planning）方面，不僅成功率提升 14%，執行速度更比先前模型快 5 到 10 倍。此外，WEAVER 在面對未見過的分布外（OOD）場景時，亦展現出極強的適應力。

Significance

這項研究突破了世界模型在複雜機器人任務中的應用瓶頸。藉由提供高精準度且具備效率的模擬環境，WEAVER 讓機器人能在極少的人為干預下，透過模擬進行有效的策略優化與即時決策，為自動化操控與具身智能（Embodied AI）的規模化部署奠定了重要基礎。