清华提出ParallelWorld，机器人先预演再动手

清华大学与新加坡国立大学研究者提出ParallelWorld框架，将多步预演引入具身智能体的高层规划。该系统让智能体在决策前探索多条候选行动路径，比较未来的观察与任务进展，再确定当前动作。这种机制将测试时增加的计算用于行动后果的预演，系统保留更有希望的分支并继续推演，选定轨迹后仅执行首个动作，再依据新观察重新规划。

据论文消融实验显示，自适应搜索宽度在3个Spatial任务中取得最高成功率，且耗时低于固定宽度策略，但平均总耗时约为直接执行的5.8倍。这表明虽然增加候选路径可能带来收益，但搜索方式与计算成本的匹配至关重要。当前技术边界在于，视觉预演难以完全刻画关节状态、接触动力学等物理因素，图像预测的合理性不等同于物理可行性。

随着安防场景中机器人应用日益增多，如何将预演逻辑高效嵌入决策流程，平衡算力开销与实际部署效果，成为具身智能落地安防与智慧社区领域需关注的关键路径。