**Rollback：将世界模型转化为反事实引擎以优化机器人策略**

_Rollback: Experience Backtracking in World Models for Policy Improvement_

> Rollback 提出了一种新的策略优化范式，将动作条件世界模型从单向模拟器转变为反事实引擎。该方法通过回滚到关键决策点并分支探索替代动作，利用世界模型对比不同结果来归因成功原因，从而生成细粒度的动作级监督信号。该框架实现了分布式世界模型搜索与异步真实机器人执行的统一，形成自我强化的循环：真实经验不断锐化世界模型，进而驱动策略改进。实验表明，Rollback 在三个具有挑战性的真实世界任务中，成功率较最强基线分别提升了 10.67%、11.11% 和 11.85%，且训练过程更稳定，仅需 8 小时即可超越人类平均表现。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-28 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.36068)