跳至正文
原文导读 · 原标题中译

独立研究:Robotic World Model 仿真器与行走策略的机器人层面测试

Joyjeetsingh/rwm-robot-level

材料发布 2026-11-18 · Hugging Face · 工程产物 · 核查 2026-11-20

内容摘要

要解决的问题很具体:学习出来的仿真器(原文称 world model,即世界模型)可以在没有真机的情况下打分,例如看它的预测与已记录数据偏离多少。但这类分数能否说明“完全在该仿真器里训练出来的行走策略(policy)真的会走”?一位独立研究者对 Robotic World Model(RWM,arXiv:2501.10100)及其不确定度感知后继 RWM-U(arXiv:2504.16680)做了这项独立研究;模型卡写明该研究与原作者、Robotic Systems Lab、ETH Zurich 无关联,也未经他们认可或审阅,研究所依赖的 RWM 动力学复现另在单独仓库中。

检验覆盖 19 个仿真器(原作者发布的模型,加上 18 个按不同微调量得到的版本),判定规则事先预注册。策略既不在真机、也不在原作者的 Isaac Lab 仿真器中测试,而是在按 ANYbotics 公开描述(BSD 3-Clause 许可)用 MuJoCo 重建的 ANYmal D 四足模型上测试,电机模型按记录的关节力矩拟合。

结论是未定。18 个微调版本的一步与八步预测都比发布模型更准;原文写这两项分数“把行走排序排反了(ranked walking in reverse)”,并给出约 −0.4 的 Spearman 秩相关,但原文没有说明该系数对应哪一对量,也没有真机对照可作基准,因此只能读作“仿真内的预测精度分数与行走测试结果排序不一致”,不能当成有真机基准的定论。18 个版本中 13 个按注册规则计为失败。把原作者自己的行走策略放进各仿真器运行这一项次要测试,排序表现良好(+0.79)。

对开发的用处主要在工程产物侧:仓库按研究脚本预期的 runs/... 路径摆放 490 个文件、596 MB,除各次运行的仿真器与策略权重外,还包含压缩变体下的策略(fp16 数值取 16 位精度、int8w 权重取 8 位、u10–u50 按 10%–50% 比例置零权重、s192/s128 把循环层裁到 192 或 128 单元);研究里从零训练的仿真器(Option C,使用 10,000 或 6 million 条 MuJoCo 转移数据)未通过行走测试。

点评

给做本体软件与仿真评测的工程师:仿真器的预测精度不能直接当作“策略会走”的证据,需要另加策略闭环测试作为另一类证据;同时要分清证据层级——在仿真器里闭环跑一遍策略仍不等于真机验证。本次材料里全部结论都止步于 MuJoCo 仿真内。

全部测试在 MuJoCo 中进行,没有真机验证;模型卡只给出 −0.4 和 +0.79 两个相关系数,未说明前者对应哪一对量,因此不能据此推断与真机表现的关系。秩相关、失败计数等结果由该独立研究者自行报告,材料中没有第三方复现或原作者确认。详细统计表(results/d_stats.txt)与预注册文件在代码仓库中,不在本次取材的模型卡内,因此只能引用卡片上的汇总数字。证据是模型卡在抓取时的快照,页面日期不证明全部文字在报告截止前已存在。

版本与核查范围

版本 606bbc47df53021c3063aaf8941e16d619c09fa8 · 原文定位与程序检查、独立上下文模型复核;不代表独立研究复现。。依据已核查材料整理;未运行模型或机器人。

原文与定位

  • 原文链接 README:paragraph:3;README:paragraph:3;README:paragraph:8;README:paragraph:4;README:paragraph:5;README:paragraph:5;README:paragraph:5;README:paragraph:6;README:paragraph:10;README:paragraph:12;README:paragraph:12;README:paragraph:22