2602.12063 VLAW策略与世界模型迭代共进化

Title: VLAW: Iterative Co-Improvement of Vision-Language-Action Policy and World Model
Authors: Yanjiang Guo, Tony Lee, Lucy Xiaoyang Shi, Jianyu Chen, Percy Liang, Chelsea Finn
arXiv: https://arxiv.org/abs/2602.12063

arXiv 页面无稳定直链图片。

Problem framing

真实 rollouts 昂贵，而世界模型又常因缺少失败数据与接触细节而“仿真不真”，导致 synthetic rollout 反而拖累策略。

Core method

提出迭代闭环：

1. 用真实机器人新轨迹提升世界模型保真度；
2. 用改进后的世界模型生成补充合成轨迹；
3. 用合成+真实数据继续提升 VLA 策略；
4. 循环执行，策略与世界模型共同上升。

Key equations and mechanisms

可写成交替优化：

$${\theta }_{k+1}\leftarrow \arg \underset{\theta }{\min }{\mathcal{L}}_{wm}({\mathcal{D}}_k^{real}),{\varphi }_{k+1}\leftarrow \arg \underset{\varphi }{\min }{\mathcal{L}}_{vla}({\mathcal{D}}_k^{real}\cup {\mathcal{D}}_{k+1}^{syn}({\theta }_{k+1})).$$

Experiment reading guide

• 基座策略到最终策略 +39.2% 绝对成功率提升的任务构成；
• 纯加合成数据仅 +11.6% 的上限与失败场景；
• 世界模型误差如何影响长时程操作稳定性。

Limitations

• 闭环收益依赖真实补充数据分布；
• 迭代训练成本高，线上部署需预算约束。

Future work

• 引入主动采样，优先采集高信息量失败轨迹；
• 将安全约束加入 world-model rollout 过滤。

Graph: Paper Node 2602.12063