点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Fangqi Zhu等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 香港科技大学和字节跳动Seed团队联合提出了WMPO（世界模型驱动的策略优化框架），通过像素级视频生成世界模型实现VLA（视觉-语言-动作）模型的无真 实环境交互on-policy强化学习，显著提升样本效率、任务性能、泛化能力与终身学习能力，同时涌现出自修正等高级行为。 研究背景与核心痛点 现有解决方案难以兼顾规模化与有效性：人类干预引导学习需持续监督，难以扩展；仿真器适配多样场景成本高；传统 latent 空间世界模型与VLA的web-scale预 训练视觉特征存在天然错位，无法充分利用预训练知识。 核心框架：WMPO 整体设计 WMPO的核心逻辑是将VLA策略优化完全置于"想象"空间——基于高保真像素级世界模型生成轨迹，替代真实环境交互，同时支持更强的on-policy强化学习。整 体流程遵循"想象轨迹生成→轨迹 ...