待验证50% 置信事实精确时间
DSP的核心思路是：用几分钟人类玩耍数据通过行为克隆训练一个玩耍策略，再让机器人自主运行该策略收集数小时交互数据，用于训练世界模型。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
涉及实体
相关事实
待验证DSP研究团队提出在世界模型内部通过自博弈蒸馏出一个闭环的、目标条件的策略，将规划能力压缩进快速策略网络以降低在线规划的计算开销。73% 相似待验证DSP框架在欠驱动推动和多指手的任意姿态重定向任务上进行了评估，覆盖仿真和真实世界两种环境。72% 相似待验证长时程自主性正在成为区分「demo」和「产品」的关键指标，未来评估机器人系统时运行时长可能比单次成功率更能说明问题。66% 相似待验证传统机器人栈将感知、规划、控制拆分为独立模块，各环节误差会在长时程任务中逐级放大；World Action Models 试图用统一预测框架让机器人「一边想象未来，一边生成动作」。65% 相似待验证引入语言模型后，兵棋推演能在数秒内生成数百个场景分支并自动裁决结果，但这种自动化移除了人类专家提供的情境判断与责任锚点65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1041845API
curl https://kongchang.com/api/v1/knowledge/claims/1041845MCP
get_claim(id=1041845)