World Value Models:把世界模型接到机器人价值估计

arXiv: 2606.24742 | 时间: 2026.06 | 路线: WAM 相关 · 世界模型 / 价值评估 / 数据筛选 ← WAM 总览 · 具身数据处理

TL;DR

World Value Models 的核心判断是:机器人 value model 不能只看静态图像或稀疏视觉特征,它需要理解“任务正在往成功还是失败发展”。世界模型擅长建模时间和未来变化,因此可以为 value estimation 提供更合适的表征。

它不是典型“直接输出动作”的 WAM,但它把世界模型能力接入机器人策略训练中的价值估计、数据筛选和混合质量演示处理,值得进入 WAM 相关谱系。

问题

机器人数据常常混合了成功、失败、次优、卡住和绕远轨迹。只用二值成功标签会浪费大量中间信息;而普通 VLM backbone 对“任务进展”并不天然敏感。

这篇把问题转成:能否用 world model 的时间理解能力判断一段轨迹的价值?

方法位置

论文还提出 Suboptimal-Value-Bench,用于评价模型是否能识别次优轨迹和任务进展。

谱系位置

• 与 GigaBrain-0.5M*:二者都把世界模型接入策略训练闭环,GigaBrain 更偏 RL 引擎,World Value Models 更偏价值估计。
• 与 WAV:WAV 是 world-value-action 一体化策略;本文更像把 value model 单独拎出来做系统研究。
• 与 具身数据处理:可作为混合质量数据筛选/加权的工具。

局限与待核

• 价值估计未必等同真实策略成功率,需要闭环训练验证。
• benchmark 质量决定结论可信度;Suboptimal-Value-Bench 的标注一致性值得继续看。
• 作为 WAM 相关而非严格 WAM,本站归入“世界模型评估/数据处理”观察节点。

来源

• arXiv:2606.24742.