WoVR+：以世界模型作为可靠模拟器，通过 RL 优化多样化 VLA 策略

基于摘要分析。本文研究机器人 Vision-Language-Action（VLA）策略的强化学习优化：动作条件世界模型可减少昂贵的真实机器人交互，但生成幻觉及长序列误差累积可能误导策略学习。WoVR+ 在 WoVR 的幻觉感知世界模型强化学习框架上，重新设计学习环境与想象交互协议，面向更丰富的 VLA 接口和长时程任务。 方法包含三个要点：其一，采用与 VLA 接口对齐的世界模型，提供多视角预测与本体感觉状态更新，并缓解幻觉；其二，引入 chunk-wise noise，在保留基于流的策略探索能力的同时，限制损害预测质量的动作抖动；其三，采用阶段局部想象训练，结合阶段入口重置、阶段专属奖励、局部时域和可控采样，缩短生成前缀并平衡不同阶段的训练。摘要未提供具体模型结构、损失形式或训练规模。 作者报告，相较 SFT，WoVR+ 在 RoboTwin 和 6 项真实机器人任务上的成功表现分别提升 21.09% 和 16.7%；摘要未明确这两项增幅是相对百分比还是百分点，不宜进一步换算。作者报告，长时程手机包装任务的成功率由 30% 提升至 75%。上述结果的任务划分、试验次数、统计不确定性及各模块消融尚未验证；复现还需核对世界模型训练数据、阶段入口重置条件、奖励定义和真实交互预算。 研究主要对象是机器人世界模型与 VLA 策略，并非 EEG 或 BCI。摘要未提供与神经信号任务的具体机制对应，不能据此认定其具有 BCI 有效性；相关 EEG 工作尚未检索确认。