世界模型潜空间

SRPO：面向视觉-语言-动作模型的自参照策略优化

SRPO: Self-Referential Policy Optimization for Vision-Language-Action Models

用世界模型的潜空间编码替代像素级比较来度量轨迹进度，为视觉驱动的机器人策略提供了一种无需人工奖励工程、可跨环境泛化的稠密奖励构造方式，可直接迁移到其他 VLA 后训练或视觉轨迹评估场景。