T2-z 通过环境潜变量条件化来增强机器人世界模型。该方法交替进行世界模型优化和环境潜变量优化：前者学习动作条件动力学，后者捕捉隐藏的环境因素。面对新环境时，世界模型保持冻结，仅优化潜变量。在七项仿真任务和四项真实世界任务中，T2-z 在视频预测和动作选择方面均优于基线方法。
方法
T2-z 在优化世界模型与优化环境潜变量之间交替进行。世界模型学习动作条件动力学，潜变量则捕捉隐藏的环境因素。适应新环境时，世界模型保持冻结，仅优化潜变量。
仿真器与真实世界设置
自定义任务使用基于 LIBERO 的仿真器和 Franka Panda 机械臂。仿真 RGB 视频以 20 frames per second 的速度录制，［所提供文本未注明图像分辨率］。动作表示包含 14 个通道。
标准世界模型基线
标准世界模型基线使用汇集的任务轨迹，对以 BWM 初始化的 DiT 和动作编码器进行微调。该基线不使用环境潜变量或测试时适应。
该基线使用 AdamW，模型学习率为 ［所提供文本未注明该数值］，权重衰减为 ［所提供文本未注明该数值］，包含 100 次预热更新，梯度裁剪为 ［所提供文本未注明该数值］，并使用 bfloat16。
计算效率
计算效率测试在具有代表性的 Friction 设置下，使用一块 H200 GPU 进行。每种方法先预热两个优化器步骤，再对后续十个步骤计时。
报告的指标为每次更新仅计算部分的优化器耗时中位数（不包括数据集读取时间），以及 GPU 显存分配峰值；这并非完整训练运行时间。每次受测更新包含六个参与损失计算的视频片段，并计入各方法特有的条件化计算。
T2-z 的世界模型更新与潜变量更新分属不同阶段，因此分别报告。LoRA TTA 从标准世界模型开始，不存在单独的世界模型训练行。
结论
T2-z 通过环境潜变量条件化来增强机器人世界模型。该方法交替进行世界模型优化（学习动作条件动力学）和环境潜变量优化（捕捉隐藏的环境因素）。面对新环境时，世界模型保持冻结，仅优化潜变量。在七项仿真任务和四项真实世界任务中，T2-z 在视频预测和动作选择方面均优于基线方法。
常见问题
适应新环境时，T2-z 会优化什么？ 它会优化环境潜变量，同时保持世界模型冻结。
世界模型优化会学习什么？ 它会学习动作条件动力学。
环境潜变量会捕捉什么？ 它会捕捉隐藏的环境因素。
仿真和真实世界任务总共有多少项？ 论文报告了七项仿真任务和四项真实世界任务。