自变量机器人发布世界模型WALL-SS，构建虚拟训练场

自变量机器人发布了自回归世界模型WALL-SS，旨在为机器人构建一座“虚拟训练场”，突破世界模型在动作控制、长任务连贯性和真机迁移方面的瓶颈。

WALL-SS可以推演持续60秒的倒水和物品整理任务，例如按照不同方式抓水杯，是抓空、碰倒水杯，还是成功抓起，从而帮助机器人在动手前预演动作。

研究团队将多套机器人策略分别放入WALL-SS和真实世界测试，结果显示，在虚拟世界里执行效果很好的动作策略，搬到物理世界往往也有好的结果。相关项目主页、论文和GitHub代码已公开。