预测动作的后果，还不等于知道该做什么

要预测“如果这样做”，先保留能改变结果的信息

推一只杯子之前，人会预想它会滑动还是翻倒。机器人也可以学习这种动作与后果的关系，但它不必生成一段高清电影：若任务只是避免翻倒，杯子的位置、速度、支撑关系可能比杯身花纹更重要。

这里的世界模型指学习式环境预测模型。观察 observation 是传感器收到的图像、关节读数等；状态 state 是描述环境演化所需的变量；潜状态 latent state 则是模型学出的内部表示。潜状态不是“真实世界被完全压缩后的答案”，它可能遗漏摩擦、隐藏障碍或接触状态。同一张静止照片无法告诉我们物体正向哪个方向滑动，因而观察历史和自身动作往往也要进入估计。

动作条件很关键。只预测“这段视频接下来通常出现什么”，可能把相关性当作可控制性；机器人需要区分“夹爪张开”和“保持闭合”带来的不同结果。即使输入了动作，数据若只覆盖一种推法，也不足以验证模型在另一种推法上的反事实预测。

同一个预测器，可以服务两种不同闭环

第一种用途是在线规划：模型预测多个方案，规划器按目标挑选，再只执行前一小段。这与模型预测控制 MPC（Model Predictive Control）的滚动思想相通，但经典 MPC 可以使用已知动力学，并不要求神经网络世界模型。

第二种用途是训练策略：在模型生成的想象轨迹中学习“什么动作更好”，部署时策略可能直接给出动作，不再对每一步做显式树搜索。奖励或价值预测在这类系统里很有用，但“世界模型”这个名称本身并不规定每个实现都必须有奖励头。

一个预测器即使准确，也不知道用户要把杯子送到哪里；一个代价函数即使清晰，也无法修正错误动力学。把两者分开，才能定位“模型把杯子预测错了”“规划偏爱错误目标”还是“控制器没跟上”这三类问题。

一步的小误差，会成为下一步的输入

拿一个独立教学模型说明：真实标量状态按 f 演化，预测按另一函数演化；两条轨迹使用同一动作序列。假设比较区域内，真实 f 对状态的变化放大率不超过 L，每一步模型误差不超过 ε，且初始状态完全一致。由三角不等式可以得到：

若 L=1、ε=0.01，10 步上界为 0.10；若 L=1.1，同样 10 步变为约 0.1594。这里是无量纲教学状态，不是某机器人 15.94 cm 的实测误差。接触切换、遮挡和分布外动作还可能让假设失效，不能机械套用这个数。

滚动执行可以用真实观察重新定位，减少连续自我预测的长度，却不能消除系统性偏差。每次都把光滑桌面误认为高摩擦，频繁重规划仍可能反复给出错误推力。策略还可能“钻模型空子”：在想象里通过不真实的接触获得高奖励，真实执行却失败。

历史实验说明能力，也限定结论

2018 年 World Models 将视觉压缩、记忆预测和小型控制器组合。视觉部分采用变分自编码器 VAE（Variational Autoencoder）；记忆部分用混合密度网络与循环神经网络 MDN-RNN（Mixture Density Network–Recurrent Neural Network）预测下一潜表示的分布。控制器读取当前潜表示与记忆隐藏状态，不是直接读取下一帧预测。实验涉及 CarRacing 与 VizDoom；从学出的模拟环境迁回游戏环境，不等于完成现实机器人的仿真到真机迁移。

DreamerV3 官方项目展示另一条路线：学习环境模型，在想象未来中改进策略。项目页的视频说明中，首次获得 Minecraft 钻石发生在约 3000 万环境步，折合约 17 天游戏时间。这是游戏交互量口径，不是训练机器运行了 17 天，也不是机械臂所需样本量。论文从 2023 年预印本开始有后续版本；阅读不同报告时应固定版本和环境预算。

这些工作支持“预测表示能帮助控制学习”，不支持“世界模型已经解决真实世界所有物理规律”。对抓取、柔性物体、液体或高速接触，需要对应环境的数据和单独实验。

先问它改善了什么，再问画面有多真

回到入盒任务：预测器可以帮助判断推还是抓，也可以完全不参与初版系统。先用可验证的感知、规划与控制建立闭环，再测量增加世界模型是否改善任务。学习式世界模型不是任务规划的必需前提；而一旦采用它，就必须把模型错误纳入失败恢复。

把这一层放回完整机器人

返回具身智能知识地图，或沿本专栏继续展开：

• 任务规划与运动规划不是一回事：目标分解、前置条件、可执行性与反馈。
• 技能协作：行为树与语言规划器：技能接口、执行状态、终止与超时。
• 失败恢复：重试之前先判断原因：检测、重规划、人工接管与安全停止。