OpenDriveLab 陈立提出组合式世界模型，让AI策略自我纠偏
速览
当前具身智能策略中，“预测未来”与“评估好坏”在联合网络中耦合，导致错误难以追溯。OpenDriveLab 陈立在RSS 2026上提出组合性（Compositionality）原则，将世界模型的预测组件和价值评估组件彻底分离，使AI决策过程清晰可检查。基于该原则，团队展示了ReSim、Generation-then-Revise、World Engine和RISE四项工作，覆盖从自动驾驶安全仿真到机器人策略自我改进，逐步提升风险等级，但保留可追溯性。
AI 深度解读
背景
在具身智能领域，机器人或自动驾驶策略的决策过程通常依赖一个庞大的联合网络，同时承担“预测未来”和“评估好坏”两个功能。这种设计导致了一个关键问题：当策略出错时，开发者难以区分错误根源——究竟是模型对物理世界状态的预测不准确（“想错了”），还是对结果优劣的判断有误（“判错了”）。这种“想”与“判”的缠绕，严重限制了策略的安全性和可检查性。
2026年7月17日，在RSS 2026 Workshop现场，OpenDriveLab核心成员陈立发表了题为“Improving Embodied Policies with Compositional World Models”的演讲，系统性地提出了通过“组合性”（Compositionality）原则来解耦预测与评估，从而让策略能够自我纠偏，并实现更安全、可追溯的决策过程。
核心内容
陈立演讲的核心思想是：将世界模型中的“预测”组件和“价值评估”组件彻底拆开，让它们各自独立、专业运作。 预测组件只负责推演“执行某个动作后会发生什么”，输出高维的未来观测（如视频、潜状态或结构化几何）；价值评估组件则负责判断“推演出的后果是好是坏”，输出奖励、进度或优势值。这种功能上的解耦，使得AI的决策过程像拼图一样清晰且可追溯——一旦出错，可以明确是预测不准还是评估有误。
基于这一组合式框架，陈立展示了两项自动驾驶场景工作和两项机器人场景工作，风险等级层层递进，但每一步都保留了可检查性：
-
ReSim（自动驾驶可靠世界模拟）：解决预测可靠性问题。真实驾驶数据集（如nuScenes）中人类驾驶员动作极度谨慎，导致世界模型对异常输入（如偏离道路）无法生成危险后果。通过将CARLA模拟器的非专家动作与真实数据（YouTube、nuScenes）结合训练，并引入零样本迁移到真实世界的Video2Reward模型，ReSim成功具备了预测危险后果的能力。在NAVSIM测试中，利用ReSim提供的奖励信号，规划得分达到74.1分。
-
Generation-then-Revise（操控任务“先生成后修正”）：让价值在决策完成前直接影响动作生成。传统方法只考虑单条想象轨迹，串行修正效率低。新方法引入期望优势评论器与多束搜索：策略首先提出动作序列，轻量级两层触发器快速决定是直接执行还是修正；若需修正，扩散模型展开多个候选路径，评论器估算每条路径的优势值择优选择。这种“早退出”机制大幅减少推理时间，同时保证修正质量。
-
World Engine（自动驾驶后训练基础设施）：针对长尾事件，利用3D高斯泼溅（3DGS）将真实场景重建为逼真的交互式环境。行为世界模型是基于多智能体轨迹的扩散模型，可根据地图拓扑生成周围车辆多样化的未来轨迹；3DGS渲染器生成对应传感器观测。两者结合将一次真实记录转化为多次闭环的交互强化训练，大幅提升策略处理真实长尾事件的成功率。
-
RISE（基于想象自我改进的机器人强化学习，https://github.com/OpenDriveLab/RISE）：解决真实世界机器人强化学习的高成本、高风险问题。以少量真实演示和物理推演为锚点，将大部分交互训练转移到世界模型的想象空间中。动力学模型基于通用视频生成基座轻量化定制，能在2秒内生成25帧画面；价值模型基于预训练机器人大模型微调，结合进度回归和时序差分（TD）双重目标。训练完成后，部署在机器人上的策略不承担世界模型推理开销。在动态分拣和物体操控等任务上取得显著性能提升，且部署策略保持高效执行。
关键要点
- 组合性定义：世界模型中的预测组件与价值评估组件在功能上保持独立，各自专业化运作，即使存在于同一更大系统中，也不耦合。
- 诊断能力：解耦后，系统可以明确区分错误来源——是预测模型对未来的想象错误，还是价值模型对后果的评估失误。
- 四项工作递进关系：ReSim解决预测可靠性；Generation-then-Revise让价值影响动作生成；World Engine将生成经验用于策略后训练；RISE将整个框架推广到机器人自我改进，风险等级从“选择”到“修正”再到“后训练”。
- 可检查性：所有工作均保留组件接口的可检查性，错误可追溯，不被黑盒掩盖。
- 部署效率：在RISE中，动力学模型和价值模型仅在训练期间使用，部署策略无世界模型推理开销。
- 泛化限制：当前价值模型仍然是任务特定的，对全新任务无法直接泛化，但在域内泛化（光照、位置变化）上表现可与策略模型本身媲美。
意义与影响
陈立提出的组合式世界模型框架，为具身智能领域提供了一种系统性的方法，将预测与评估分离，使策略能够在虚拟空间中安全地试错、自我修正，并支持清晰的错误溯源。这一方法直接回应了当前具身策略中“黑盒”决策的痛点，提升了安全性和可解释性。
从自动驾驶到机器人操控，四项工作展示了组合式框架在不同风险等级任务中的通用性：从低风险的仿真评估（ReSim），到中风险的在线修正（Generation-then-Revise），再到高风险的闭环后训练（World Engine、RISE）。这种递进式的应用路径，为行业提供了可落地的技术路线图。
展望未来，陈立指出三个关键方向：基础设施（世界模型的训练、推理和具身环境需更高效）、泛化能力（开发通用价值模型）、以及世界模型新技术的探索（如Cosmos Token）。在实现系统整合的同时，保持组件的专业化和可检查性，将是组合式方法持续发挥作用的核心挑战。