EV-WM：用于长视野机器人操作的经过事件验证的世界模型

预训练特征世界模型为机器人想象力提供了有用的基础，但仅视觉或潜在预测并不能确定想象的未来是否满足与任务相关的谓词。长范围操作需要关系性、谓词级和物理基础的进度信号：对象是否已移动、抽屉或接触状态是否已更改、放置谓词是否满足以及候选未来是否足够可靠以执行。我们引入了 \textbf{EV-WM}，一个用于世界模型规划的基于谓词的验证框架。 EV-WM 在预训练的视觉特征空间中生成候选未来轨迹，将它们解码为结构化事件状态，并使用任务进度、语义一致性、物理可行性和不确定性术语对它们进行评分。验证者指导基于抽样的规划，控制候选行动，并在接触敏感的 LIBERO 酒架设置中，在 PPO 生成的提案中进行选择。在导航、可变形对象、墙壁约束和语言描述的操纵研究中，EV-WM 表明，基于谓词的验证可以使特征空间世界模型规划更具可解释性，并更好地与任务进度保持一致。