Dwell

Dwell框架将VLM重新构建为循环潜在转移算子，使模型同时扮演世界模型和策略两个角色。

Dwell在五个交互式视觉环境中取得了可训练方法中最强的整体性能。

Dwell大幅减少了想象所需的计算量，相比像素级重建方法。

Dwell的核心洞察是：VLM不需要重建未来，只需预测对行动有用的未来。

Dwell中的潜在想象只关注对决策有用的抽象特征，而不要求潜在状态可解码回图像。

Dwell在真实交互和潜在想象之间循环，实现持续学习。