先在平行世界里试一试，机器人再动手：清华提出ParallelWorld
2026.10.26 · 事件 · 论文 · 论文预印本
清华与新加坡国立大学提出ParallelWorld，用多步预演提升具身智能规划成功率。
清华大学和新加坡国立大学研究者提出ParallelWorld，把测试时计算用于行动后果预演，让智能体探索多条候选路径再决定当前动作。该方法将任务成功率从56%提升至83%，在LIBERO-Pro八种设置中均超过直接基线。
- ParallelWorld在高层规划与动作执行之间加入候选未来的预演和验证，选定轨迹后只执行第一个动作再重新规划。
- 任务成功率从56%提升至83%；在ESI-Bench的28项评测中，26项超过顺序式Active Exploration。
- 操作评测LIBERO-Pro覆盖四个任务套件、八种设置共800个回合，ParallelWorld八种设置均取得更高成功率。
- Spatial位置交换设置提升27个百分点，Object指令重定向设置提升15个百分点；刚性容纳等子任务出现下降。
- 自适应搜索平均总耗时约为直接执行的5.8倍，如何降低预演成本是后续部署需解决的问题。
为什么值得看
了解具身智能如何用测试时计算提升规划可靠性。
适合谁关注
关注具身智能、机器人规划与AI智能体的研究者与从业者。