結合世界模型與價值評估：WVM 框架提升機器人對複雜任務的時序理解與操弄效能

本研究提出「世界價值模型」(WVM)，將具備強大時序建模能力的世界模型應用於機器人價值評估。透過精準判斷任務進度與資料品質，WVM 在處理混合品質資料與提升策略學習成效上表現卓越。

Problem

現有的機器人價值模型多基於視覺語言模型 (VLM) 架構，但這類模型主要在靜態或時序稀疏的影像上進行預訓練，缺乏精確價值評估所需的深層時序理解與未來規劃能力，導致模型難以有效判斷大規模混合品質資料中的任務進度與動作價值。

研究團隊開發了「世界價值模型」(World Value Model, WVM)，將世界模型與價值評估技術深度結合。利用世界模型在時序建模與未來狀態預測的天然優勢，WVM 能夠根據歷史背景預判未來成果，進而建構出能精確評估任務達成率與資料品質的通用型價值函數。

WVM 在標準基準測試中取得了頂尖的價值排序相關性 (VOC) 成果。此外，研究團隊推出了包含 800 條人工標註次優軌跡的 Suboptimal-Value-Bench，證實 WVM 在專家與非專家資料下皆具備極高的穩健性。在模擬與真實世界的部署中，WVM 顯著提升了多種策略提取方法的操弄效能。

此項研究為機器人從大規模、雜亂且品質不一的資料中學習提供了關鍵技術支撐。透過強化時序理解，WVM 能更有效地引導策略學習，解決了傳統模型在複雜動態環境下評估失效的問題，對實現通用機器人學習具有重要價值。