核心要点

  • 能讲清定义：学习环境动态模型（给定状态/动作预测下一状态与奖励），即可微的「环境模拟器」

  • 能讲清价值：在学到的模型里「想象」rollout 做规划或训练策略，无需真机交互，提升样本效率

  • 能说出代表工作：Dreamer 系列在隐空间学动态、在想象中用 actor-critic 训练策略

  • 能说出风险：模型误差会被规划/训练放大（model exploitation），长程预测漂移

标准回答

世界模型是什么

世界模型是对环境动态的学习式建模：输入当前状态（或观测）与动作，预测下一个状态、奖励，乃至观测。它相当于一个可微、可查询的「内部模拟器」，让智能体不必每一步都与真实环境交互。

在具身智能中的作用

  • 样本效率：真机交互昂贵，世界模型让策略在「想象」的 rollout 中训练或规划，大幅减少真实试错。
  • 规划：基于模型前向预测多步后果，选择回报最高的动作序列（model-based planning）。
  • 表征：Dreamer 等在隐空间（latent）学动态，把高维观测压成紧凑状态便于预测与控制。

主要风险

模型不准时，策略会钻模型空子（model exploitation），在真实环境失效；长程预测误差累积导致想象轨迹漂移。需限制 rollout 长度、量化模型不确定性、结合真实数据校正。

常见误区

⚠️ 常见踩坑

世界模型不等于「更准的仿真器」：它是从数据学来的、必然有误差。把它当真值长程展开规划会被误差放大，必须控制想象步长并对不确定性建模。

追问

追问 1：Model-Based RL 相比 Model-Free 的取舍是什么？

Model-Based 用学到的动态做规划/想象训练，样本效率高、可前瞻，但受模型误差影响、实现复杂。Model-Free（如 PPO/SAC）直接从交互学策略，简单稳健、渐近性能好，但样本贵。具身场景因真机采样昂贵，常倾向 Model-Based 或两者结合。

追问 2：世界模型和 VLA 有什么联系？

两者互补。VLA 是把视觉语言映射为动作的策略；世界模型预测动作后果。可用世界模型为 VLA 提供想象数据或在部署时做前瞻规划与安全校验；近来也有把视频生成式世界模型作为具身预训练基座的方向。

延伸学习

与本题相关的知识库文章、术语、工具与行业资讯。

📚 知识库

📖 术语表

🎯 相关面试题