预训练潜世界模型在测试时通常保持冻结，分布偏移会让基于它的规划变差；只按预测损失在线更新，模型只拟合自己已执行动作的结果，对能到达目标的动作仍可能判断错误。OpTTA在预测损失之外加入规划器对候选想象轨迹的目标到达代价，让适应偏向“乐观”的模型参数。在三个JEPA世界模型、15个视觉与环境偏移设置上，只适应预测器时OpTTA相对冻结模型的最终成功率平均提高13.5个百分点，预测-only的AdaJEPA为6.9个百分点；同时适应编码器时为13.5对7.5个百分点。
粒子图像测速（PIV）的成像位置通常由操作者在测量前固定，若关注结构偏离预期，后续算法无法补回未拍到的信息。研究把相机位置当作闭环决策变量，用DreamerV3在Isaac Sim中训练一个智能体，仅凭LIMA估计的速度场与不确定度驱动六自由度机械臂寻找、取景并分辨水翼尾迹。零样本迁移到真实水洞后，智能体能在随机摆放的水翼上定位尾迹，以高于固定视角的分辨率、更低的流动统计误差完成测量，耗时约为全扫描的一半，所用图像对也远少于扫描。
LeWAM把视觉表征、动作条件潜在动力学和随机策略放进同一次训练，在接触密集任务上把规划成功率从28.6%提到89.7%，长程任务从10.9%提到46.2%，规划速度提高32.3倍。
GUI智能体的世界模型不再逐像素重建下一屏，而是让共享潜表示同时承担动作打分与动作条件未来预测，在离线与在线基准上成功率最高相对提升31.9%和40.6%，世界模型推理延迟最多降低98.9%。
该工作提出 Latent-Foresight，一个端到端框架，联合学习潜在分词器与基于流的生成式动力学模型，显式塑造表征以支持时间可预测性，并通过若干防止潜在坍缩、对齐重建与生成目标的设计选择实现稳定联合优化；实验显示其学到的潜在表征在时间上更连贯，在多个未来场景理解任务与预测时域上持续优于两阶段基线，同时省去独立训练阶段，包括高分辨率适配阶段。
作者提出 ATLAS 训练目标，将编码器均值池化 patch 特征的归一化成对结构迁移到规划潜变量，并用基于一维 Wasserstein-2 传输的 WEMReg 校准其边缘分布，在 LeWM 上实例化后在 PushT、TwoRoom 与 OGBench-Cube 的低与高新颖度子集上均提升平均目标达成成功率，其中 TwoRoom 高新颖度回合增益最大，同时诊断显示规划潜变量中与新颖度相关的结构更强、边缘校准更好、多步预测误差更低。
D-JEPA 提出一种决策对齐的潜在世界模型：它先量化“决策局部预测缺口”——在真正竞争执行的那几个候选未来中，预测目标距离更近的候选可能反而执行失败，然后用已执行结果监督一个置换等变、有界的集合算子来学习候选未来之间的决策相关关系，并把学到的决策结构写入 JEPA 兼容的未来表示，从而可通过原生潜在距离规划直接读出动作；在 PushT 上达到 87.89% 成功率、RoboTwin 平均提升 15.04 个百分点、真实机器人任务提升 17 个百分点，驾驶场景 PDMS 均值从 57.36 升到 95.34。
已读完全部报道