面向受控世界模型自适应的校准风险路由

针对基于模型的强化学习在模拟器向目标环境迁移时的模型选择难题，研究人员提出模型校准世界模型（MC-WM），通过将初始目标数据分为拟合、选择与校准分区，部署标准化校准风险更低的模型族。该方法结合置信度信号与确定性有效性谓词加权单步想象策略更新，且无需重写物理奖励。团队在三种受控 MuJoCo 动力学迁移下完成了 541 次执行评估。