32 万参数的小模型，把推箱子干到了 98%

StateLeWM-0.1 更新：新增Two-room与Reacher场景，三个场景的成绩全部刷新

先交代一句这个模型是什么：它不学 pixels，也没有像素编码器。输入的本来就是物理状态（每个物体的位置、速度、角度、形状）再加末端执行器的触觉，输出只是"下一帧物体在哪"。整张网 32 万参数。规划时用一个 CEM：在模型脑子里想象一批力，挑最好的那个执行。

成绩单

PushToGoal（推物堆，50 局，CEM 规划 H=32）

• 最左目标：49/50 = 98%
• 最右目标：48/50 = 96%
• 随机目标：48/50 = 96%

Two-room（穿门，50 局）：49/50 =98%

Reacher（机械臂，50 局）：48/50 =96%

这次更新改了什么

1. 权重终于"各回各家"

由于现在做了多个场景，现在统一：

• checkpoints/push_game/ （PushToGoal）

• checkpoints/two_room/

• checkpoints/reacher/

   
   

2. 两个新场景：同一套配方，只是换了场景

Two-room 和 Reacher 不是什么新架构，就是同一套配方（从随机交互里学世界模型，再用 CEM 规划）换了两类新物体：

• Two-room：中间一堵墙，留一个门，目标永远在你起始房间的另一边 —— 所以模型必须自己找到门。最妙的是代价函数里压根没写"墙"这回事，全靠世界模型在脑子里想象着绕过去。
• Reacher：重力下的二连杆机械臂，动作是关节角目标。

架构一个字没动，只换了数据，加了 typed edge 和 (x, y, θ) 的读出。

3. 和几个知名模型摆一起看

Two-room 和 Reacher 是像素系潜变量世界模型（LeWM 那一批）用的同名任务，所以能对上号。成功率（%）：

• 本仓库 StateLeWM（状态 + 触觉）：Two-Room 98 / Reacher 96
• LeWM：87 / 86
• Fast-LeWM：98 / 88
• DINO-WM：100 / 79
• PLDM：97 / 78

但必须说清楚：这不是同一个操场上的比赛。人家是像素输入、自己的局数和成功阈值；我们是 6 维物理状态 + 末端触觉、50 局实测。所以这只是一个量级参照，不是"我们赢了"。

所以这件事的意义在哪

32 万个参数，没有像素编码器，也没有全状态解码器，只学一件事 —— "当前帧 + 力 → 下一帧的位置"。

然后同一套配方，在三个完全不同的场景上（推一堆积木 / 穿门 / 关节机械臂）都能跑到 96%～98%。每换一个新场景，只换数据，架构不动。

这就是"状态 + 触觉"这条路的好处：当观测本身就是物理状态的时候，世界模型可以小得超乎想象。

代码和权重：https://github.com/swaggyliu/FlatWorld