自變量機器人發布自迴歸世界模型 WALL-SS，支援 60 秒長任務推演，虛實策略一致性達 89%

據報導，自變量機器人發布針對具身智慧的自迴歸世界模型 WALL-SS，為機器人提供可預演動作結果的虛擬訓練場。論文指出，該模型採用「下一尺度自迴歸」技術，先生成低解析度預覽再逐層疊加細節，並透過「尺度壓縮的長時間跨度記憶」保留近期精確細節、壓縮早期歷史，以降低運算負載。 訓練數據刻意保留抓空、碰撞與人工接管等失敗過程，避免模型產生「磁鐵式抓取」偏差；同時引入「逐尺度夢境強迫」機制，在歷史資訊加入擾動，訓練模型自主糾正誤差。實測顯示，WALL-SS 可穩定推演長達 60 秒的倒水等連續任務，機械臂逐幀軌跡誤差維持在畫面對角線的 0.5% 以下。 在動作變化敏感度評測中，WALL-SS 獲 0.290 分（Cosmos3 為 0.044 分）；軌跡精度達 0.539 分，為對比模型中最高。研究團隊將 5 個策略版本在 6 項任務進行 600 對虛實閉環測試，結果顯示 89% 的優劣關係與真機測試相同，虛實成功率相關係數達 0.926。此外，系統內建的動作專家在桌面雙臂任務中取得 69.1 分，優於 π 0.5（49.6 分）與 DreamZero（44.1 分）。