DriftWorld：通过漂移机制实现快速世界建模

预测性世界模型使机器人能通过想象动作结果进行规划，但其控制价值取决于快速生成大量轨迹的能力。针对基于扩散的模型因多步采样导致推理昂贵的问题，本文提出 DriftWorld。该模型基于漂移生成机制，在训练中学习动作条件的漂移过程，仅需单次前向传播即可从当前观测和候选动作序列生成未来帧，速度比扩散基线快 17 倍。实验表明，DriftWorld 在多个视觉机器人操作基准上实现了最先进的决策性能，并可作为离线模拟器高效评估策略。