日冕研究

2026-07-01 · 技术报告

世界奖励模型：真实世界强化学习的规模化路径

我们构建中的世界奖励模型（WRM）将世界模型的物理理解转化为可学习、可迁移的奖励信号，统一判断成功、进行中与失败，并基于接触、受力和空间关系评估任务进展。与世界策略模型（WPM）协同，WRM减少了人工奖励设计和真机试错，让机器人在真实环境中持续学习、跨任务泛化，迈向可规模化的物理智能。