arXiv 2026年10月14日世界模型不再逐步递归：一次前向生成H步假设轨迹，人形与四足任务直接优化价值展开基于模型的强化学习改用分块世界模型做可微的训练期评估器，一次前向生成H步假设轨迹并直接优化价值展开，在HumanoidBench的19个高维人形任务上评估，并部署到真实四足与双足行走。基于模型的强化学习改用分块世界模型做可微的训练期评估器，一次前向生成H步假设轨迹并直接优化价值展开，在HumanoidBench的19个高维人形任务上评估，并部署到真实四足与双足行走。Shanghai Innovation InstituteShanghai Jiao Tong UniversityWestlake UniversityWeixi Song（第一作者）#分块世界模型#基于模型的强化学习#人形机器人运动控制