概念Chain-of-Dynamics / CoD
动态链
一种由离散运动token组成的序列表示，描述从当前世界状态到未来状态的中间动态变化，不依赖于特定具身形态，可作为跨具身通用动作表示
时间轴 (近 90 天)
10月28日
ThinkWorld 的核心创新在于将每个动作思考表示为动态链（Chain-of-Dynamics, CoD），即一串离散的运动 token 序列，捕捉从当前世界到未来状态的中间动态，并作为跨具身的通用动作表示。
待验证50%
10月28日
ThinkWorld 的训练过程分为两步：首先用动作标注的机器人演示数据初始化 CoD 生成能力；随后模型对每个 CoD 预测其诱导的未来状态，并将预测结果与真实观察进行对比，利用强化学习提升那些预测更准确的 CoD 的生成概率。
待验证50%
10月28日
ThinkWorld 中强化那些预测更匹配实际观察结果的 CoD 通常借助强化学习中的策略优化实现，例如以预测误差的负值作为奖励，采用 REINFORCE 或偏好优化类目标提升高奖励序列的生成概率。
待验证50%
全部知识事实 (3)
待验证
ThinkWorld 的核心创新在于将每个动作思考表示为动态链（Chain-of-Dynamics, CoD），即一串离散的运动 token 序列，捕捉从当前世界到未来状态的中间动态，并作为跨具身的通用动作表示。
50%待验证ThinkWorld 的训练过程分为两步：首先用动作标注的机器人演示数据初始化 CoD 生成能力；随后模型对每个 CoD 预测其诱导的未来状态，并将预测结果与真实观察进行对比，利用强化学习提升那些预测更准确的 CoD 的生成概率。
50%待验证ThinkWorld 中强化那些预测更匹配实际观察结果的 CoD 通常借助强化学习中的策略优化实现，例如以预测误差的负值作为奖励，采用 REINFORCE 或偏好优化类目标提升高奖励序列的生成概率。
50%