世界模型部署后还在挨骂，那就边干边改自己

模型上线就冻结，是世界模型的惯例。可现实环境一变，它脑子里的地图就过期了，照着过期地图做规划，机器人会越走越偏。一篇新论文主张：改的时候别只对答案，还得带着「我想达成目标」的心思去改。

一、发生了什么

问题出在训练和部署的错位。潜在世界模型通常先离线预训练、上线后冻结，一旦环境分布变了，用它做规划就会退化。测试时适应（TTA）能在部署中更新模型，但规划场景下的适应是闭环的：规划器用模型推演选动作，动作产生的真实结果又驱动下一轮更新——这时该用什么目标来更新模型？

论文指出，只按「预测准不准」来适应有个隐患：模型只见过自己选的动作的结果，对那些本来能到达目标的动作，它可能一直是错的。预测误差很低，不代表规划会变好。

解决方案叫 OpTTA，思路借自自适应控制里的奖励偏向极大似然：更新目标由两项组成，一项是观测转移上的预测损失，另一项是规划器候选推演的「够不够得着目标」的成本。规划项把适应往「对达成目标持乐观态度」的模型上拉，而且不需要额外跟环境交互。

实验覆盖操作、够物、导航三类任务和视觉、环境两种偏移，跨三个不同编码器和训练目标的 JEPA 世界模型，规划器同时测了 CEM 和梯度法两种。结果：只适应预测器时，冻结模型基础上平均多拿 13.5 个百分点的规划成功率，只按预测目标适应的对照方法是 6.9；把编码器也纳入适应后，两者分别是 13.5 和 7.5。

二、跟你有什么关系

做机器人的工程师：如果系统里已有世界模型，别急着遇shift就重训，测试时更新模型是个便宜选项，且不增加环境交互成本。

做世界模型预训练的团队：离线指标好看不等于在线好用，评估时该加一类「部署后分布偏移下闭环规划」的测试，论文的差距正藏在这里。

做具身落地的从业者：换货架、换光照、换场景这些高频小变化，正是测试时适应的用武之地，一次重训的钱可以省下来。

三、怎么用

1. 排查线上系统：规划失误率上升时，先确认是不是环境分布变了、模型还停在旧世界，再决定重训还是在线适应。
2. 设计在线适应目标时，除了预测误差，加一项与任务相关的可达性成本，论文证明这一项是把「预测准」变成「规划好」的关键。
3. 关注论文的实验设置：三个不同架构的世界模型、两种规划器上都有效，说明结论不是某一架构的特例，可参考性较高。

四、三个别信的说法

「预测越准，规划越好。」 论文的核心反例：只优化预测误差，模型对没试过的、通往目标的动作可以一直是错的，成功率只涨一半。

「测试时适应要频繁与环境交互。」 OpTTA 的规划项作用在候选推演上，不需要额外的环境交互，这是它区别于普通在线学习的地方。

「冻结模型加好规划器就够了。」 实验里冻结模型与适应后模型差 13.5 个百分点，在成功率本就紧张的真实部署里，这个差距足以决定能不能上线。

五、一句话结论

世界模型该为规划服务而不是为预测服务——适应它的时候，得让它保持「相信目标够得着」的乐观。

信息来源

• arXiv 论文页：Adapt for Planning, Not just Prediction（2026-10-26）

功能与价格以官方公告为准。本文写于 2026 年 10 月 28 日。