具身控制工作集中在有约束的决策机制上
这一天的内容不多，但很清楚。两篇论文都在处理更贴近现实约束的具身决策循环。一篇用事件编码情境上的记忆检索来做 UAV 控制。另一篇用有约束的想象来减少模型式强化学习里的 rollout 漂移。它们共同强调的是，在时间跨度变长或环境更复杂时，动作选择仍然要快、可检查、稳定。
主题概况
Model Based RL
Grounded Control Diagnostics
有两项具体的流程变化很突出。会检索历史案例的具身控制器可以把决策路径暴露出来接受安全复核，因为动作本来就经过事件编码、最近邻检索和机动聚类。世界模型 RL 栈也可以直接开始测量和控制想象漂移，并且在 grounding prior 被蒸馏之后，用一个不会明显增加运行时的方式，把训练转到 grounded latent 上。