机器人模型该预测什么?一场教程对比 VLA 与三类世界模型
GlenBerseth · x · 2026-10-19
Glen Berseth 团队将在 10 月 26 日蒙特利尔 MAIN 教育活动开设动手教程,在同一份机器人数据上构建并对比四种建模范式:
- Policy (VLA):只预测动作,用模仿损失训练,完全不看动作执行后发生什么
- 像素世界模型(如 Dreamer):预测下一帧画面,在像素空间做重建损失
- 潜在世界模型(如 V-JEPA 2):跳过像素,在嵌入空间预测下一时刻的表征
- 世界动作模型(如 Cosmos Policy):同时预测动作与未来,让「预测未来」本身塑造行为
作者用一张图对比了四者的输入、输出与损失空间差异,核心问题是:机器人模型到底应该学预测什么,才能获得最好的策略?教程将带参与者亲手在相同数据上实现这四种方法。
所属事件:蒙特利尔教程将实测对比机器人四种建模范式(3 条相关)→
「具身」频道最新
- Scoble：别只盯着人形机器人，廉价夹爪先把 3D 打印变成工厂 — Scobleizer · 2026-10-20
- 智能眼镜实测：Octen 搜索仅 60ms，瓶颈在模型生成 — Scobleizer · 2026-10-20
- 2 万美元人形机器人之外：简单机械臂正把 3D 打印机变成夜间无人工厂 — Scobleizer · 2026-10-20
- Dream-1 号称速度快 1.7 倍、得分 1.3 倍于 GPT-6 Astra Ultrafast — gharik · 2026-10-20
- 前 NVIDIA 团队出炼 Dream Labs：机器人基础模型 Dream-1 开放 API — gharik · 2026-10-20
- 第三方评测：Dream-1 机器人控制便宜 16 倍、快 1.7 倍登顶 RoboDojo — scott_e_reed · 2026-10-20