D-World：显式世界-语言-动作模型论文

Xuan Wen、Baichao Wang 等人提出 D-World，一种基于感知、规划、行动分解的显式世界-语言-动作模型：感知 agent 用生成的视觉与几何代码把场景写成可执行数字孪生，规划 agent 在仿真中搜索动作，每个动作块执行后依据机器人实测修订孪生的物体状态与命名物理参数。 在双臂机器人的毛巾与烤面包机任务中，这类局部修订让执行得以继续而无需重建，例如一次修订把面包的渲染深度残差从 22.4 mm 降到 1.5 mm。

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。