离线数据增强与偏好构造
VLA 从数据集学习专家动作的同时，使用 DW0.5 对候选动作进行未来 rollout 和价值评估，自动构造偏好对、失败样本和恢复样本，形成可持续的训练数据。
DW05 模型如何工作
DW05 以多模态输入建立具身世界表征，并通过 Video、Action、Value 三个 Expert 输出预测、动作和评估结果。
RL 后训练环境
VLA 在 DW0.5 中采样动作序列，观察生成的未来视觉状态，并根据 Value Expert 的评分获得 reward 反馈，在不频繁占用真机的情况下进行低成本的大规模策略优化。
部署时规划与安全评估
在执行之前，系统对多个候选动作进行短视野 rollout，选择价值更高、风险更低的动作；一旦 Value Expert 判断当前状态偏离成功路径，立即触发重新规划。
WorldArena 等榜单第一名
预测、行动、评估到真实任务闭环
DW05 覆盖指令生成、动作跟随、指令跟随、多步指令、泛化性、多视角一致性和任务进度评估。
围绕语言指令、动作片段和多步操作，生成可执行的任务过程。
指令跟随
根据语言指令生成对应操作过程。
动作跟随
保持动作演示中的操作节奏与关键步骤。
多步指令
面向连续子任务生成完整执行序列。
覆盖跨构型、跨环境和人类到机器人迁移等场景。
跨构型
覆盖不同机器人构型下的任务泛化。
跨环境
覆盖不同环境分布下的任务泛化。
人类转机械臂
面向人类动作到机器人操作的迁移场景。
在不同观察视角下保持任务状态与动作生成一致。
场景 1
Front、Left、Right 三视角保持一致。
场景 2
不同视角下保持任务状态一致。
场景 3
多视角生成过程保持稳定一致。
通过成功与失败执行样本，展示 Value 信号对任务状态和成功路径的判断能力。