清华等团队提出具身智能预演框架 ParallelWorld 提升机器人任务成功率

清华大学与新加坡国立大学研究者提出 ParallelWorld 具身智能框架，将多步预演引入高层规划，让智能体在执行动作前探索多条候选行动路径，比较不同选择的后续观察与任务进展再决策，采用预演与执行循环结合的滚动规划机制，可自适应调整搜索的宽深度，将相关操作任务成功率从 56% 提升至 83%。该框架在多数具身空间智能任务上表现优于顺序式主动探索，在 8 种机器人操作设置中成功率均高于基线，但在涉及精确几何推理、物理接触动力学的任务上存在能力边界，且自适应搜索耗时约为直接执行的 5.8 倍，后续仍需解决物理预测可靠性、推理成本等问题。