Sword Framework migliora la robustezza del World Model per l'addestramento delle policy VLA

I ricercatori propongono Sword, un robusto framework World Model per affrontare la scarsa generalizzazione e l'accumulo di errori a lungo orizzonte nei modelli Vision-Language-Action (VLA) utilizzati come simulatori generativi. I World Model esistenti, quando testati su benchmark come LIBERO, soffrono di sensibilità a perturbazioni dello stato iniziale come cambiamenti di colore e illuminazione, portando ad allucinazioni a cascata e previsioni degradate degli stati futuri. Sword introduce il dynamic latent bootstrapping per mitigare questi problemi, migliorando l'affidabilità per l'ottimizzazione delle policy interamente nell'immaginazione. Il metodo si concentra sul post-addestramento delle policy VLA, migliorando la fedeltà del simulatore senza richiedere interazione con il mondo reale. L'articolo è disponibile su arXiv con ID 2605.07288.