OpTTA：面向规划的测试时世界模型自适应方法

Akshay Mete 等在 arXiv 发布论文，提出 OpTTA（乐观测试时自适应）方法：在世界模型测试时自适应中，除预测损失外引入规划器的目标达成代价项，使模型向更乐观于达成目标的方向更新，且无需额外环境交互。论文被 CoRL 2026 "Pretrain to Adapt" 工作坊接收。 在操控、抓取和导航任务的分布偏移实验中，仅自适应预测器时，OpTTA 平均将规划成功率较冻结模型提升 13.5 个百分点，对比仅优化预测目标的方法（AdaJEPA）为 6.9 个百分点；同时自适应编码器时两者分别为 13.5 和 7.5 个百分点。实验覆盖三个不同编码器与训练目标的 JEPA 世界模型，并测试了 CEM 与梯度两种规划器。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。