模仿策略执行中的小误差会累积导致失败，而此前的修正要么依赖在线强化学习，要么需要昂贵的在线规划。A2WM 从冻结策略的动作扰动轨迹中离线学习局部动作响应，把任务相关几何预测为名义轨迹加对修正的线性响应，从而把在线修正化为一次模型评估加一次凸二次规划求解。在四个仿真操作任务上，它取得所评估基线中最高的平均成功率，从 Diffusion Policy 的 27.18% 升至 59.51%，每控制步平均修正开销 3.8 毫秒，不含基础策略采样。
非线性时间最优模型预测控制（TOMPC）能最快把受约束系统推到目标，但在线求解太慢，难以用于快速动力学系统。这套工作用神经网络模仿长时域、带硬终端约束的非凸TOMPC，并提出自知情采样：网络多输出一个“剩余时间”预测，只在轨迹偏离时间最优时向专家求解器要标签。在Furuta摆上，该采样约用三分之一训练时间、不到一半数据就达到标准数据集聚合的效果，所得控制器保持与专家相当的吸引域，GPU推理把控制频率从约1.4 Hz提高到1 kHz。
world2vec 只用观测和动作、不用奖励信息，学习一个把物理状态换成隐坐标的编码器和描述其演化的隐动力学。它要求编码后的未来与在隐空间里滚动积分得到的结果一致，这一条件只依赖观测和动作即可计算。在 Pendulum、Reacher、Cartpole 三个 MuJoCo 环境上，它用比 DreamerV3、TD-MPC2、LeWM 至少少一个数量级的参数完成从像素出发的连续控制，并在 71 个吸引子的基准上做系统辨识。
短视界模型预测控制算得快，却看不到视界外的对手，因此需要学习一个随情境变化的代价修正；但可超车时左右两侧都是好解，确定性回归会把两个模式平均到对手身上。ZipDrift 改为在代价修正空间训练一步漂移生成器，用闭环代价评估做倾斜、不穿过优化器求梯度，再生成少量候选由学习到的评判器挑选。在八维逐阶段修正的直线超车基准上，600 个测试回合全部无碰撞，而理想化的 ZipMPC 式回归器碰撞率为 4.0%。
医院里的送检机器人要同时决定接哪一单、按什么顺序停靠，而急件与常规件的临床时限并不相同。HMART把这一联合决策放进一个共享图注意力编码器加两个顺序解码器，并用条件风险价值约束压住加权延误的尾部，再由模型预测控制层统一调度载客电梯。在四层楼、三部电梯、十二台机器人的离散事件仿真中，工程化解码器版本把平均总加权延误从最强调度规则的2359±214降到29±6，急件准点率从0.925±0.011升到0.969±0.007。
该工作提出一个受双过程理论启发的混合框架：用TransFuser++神经网络在常规场景生成类人轨迹，用基于知识图谱推理的风险场驱动元认知组件判断是否切换到模型预测控制规划器，并在CARLA中针对车辆（含救护车）闯红灯的分布外场景测试，结果显示车对车碰撞由160次仿真中的48次降至5次，降幅89%。
作者提出 Ctrl-CWM，一个多智能体可控人群世界模型：先在真实行人视频上通过轨迹预测学习并冻结编码器以保留人体运动动力学，再用 actor 提出位移、critic 对想象人群轨迹排序、规划器结合 critic 分数与用户代价选择动作，从而在无需重训练的情况下实现人群生成与运行时控制；在 ETH–UCY、SDD、GCS 上，它在多数人群真实感与碰撞指标上优于 CrowdES，并在避让与吸引场景中取得最高平均合规度。
ReCo 将响应一致的强化学习步态策略与策略感知模型预测控制（MPC）耦合：通过响应塑形让策略在随机化动力学下对指令响应一致可重复，再用辨识出的闭环响应模型让 MPC 联合规划运动指令与机械臂动作，从而在仿真基准上把位置与姿态均方根误差（RMSE）相对各自最优基线分别降低 28.7% 与 27.4%，并在真实实验中展示了机载的连续腿式操作，基座与机械臂协同运动。
已读完全部报道