T2-z 测试时优化环境潜变量，让机器人世界模型适应隐含物理因素
yining_hong · x · 2026-10-17
研究者发布 T2-z：面向机器人世界模型的测试时环境优化方法，解决「同一观测、同一动作，在不同环境下结果不同」的问题。
- 核心思路：用可优化的环境潜变量（environment latents）对世界模型做条件化，捕捉摩擦、质量、物理规则等隐藏环境因素
- 训练方式：仅通过世界预测目标直接优化潜变量，无需知道因素是什么、取值多少、有几个——完全无监督
- 有趣发现：对复合因素（质量 × 摩擦），学习到的潜变量经 PCA 分析呈现接近真实因子分布的二维结构，说明有意义的潜变量结构可纯由世界预测涌现
- 实验：在 7 个仿真环境和 4 个真实机器人场景上验证
「具身」频道最新
- Stream Ring 耳语级听写实测：嘈杂人群中仍精准转写并跨设备同步 — thesephist · 2026-10-17
- RAX 开源：冻结模型靠在线探索，零演示完成 0.1mm 精密机器人操作 — du_yilun · 2026-10-17
- 东大 TwinX：一根线连接两台轮腿机器人，形态重构与分布式协作两用 — LexiLove · 2026-10-17
- Snapchat Specs 眼镜亮相 LA 快闪店:科技惊艳但 2000 美元难卖 — SimonBalmain · 2026-10-17
- IEEE 专访机器人学家 Peter Stone:从机器人足球到乒乓球的通用智能之路 — PeterStone_TX · 2026-10-17
- Meta 确认智能眼镜曾在未激活状态下偷偷录像 — greenchair · 2026-10-17