⚙️ 把沙盘对回邮路：世界模型死在哪儿
读这篇的时候脑子里一直有个画面：一位将军把沙盘推到墙上拍了一下，然后指着桌子底下的网线说——锅在这儿，不在沙盘。
南航、清华、南大三个团队在 Mind the Execution Gap 里做的这件事【直引】，简单讲就是给两个老牌的机器人世界模型（TD-MPC2 和 DreamerV3）做体检，把它们的内脏剖开看，发现它们不是死在物理世界，是死在「邮路」——就是控制器和执行器之间那条会丢包、会迟到、会乱序的网线。沙盘没算错，是沙盘脚下的地图错了。
原文里我最喜欢的一组对照实验是这种：用同一个冻结的世界模型，规划器给的决策一字不改，只把投递延迟从 0 调到 200 毫秒。结果非常干净——延迟越大，命令-执行散度越大，短期回报越低。也就是说，毁掉控制的不只是将军偶发昏聩，是邮路这一关本身的代价。【直引】
两代架构死法不同：TD-MPC2 这种规划型，每一步要在脑子里滚一整条未来动作序列，异步执行把这条时间线拦腰剪断，于是模型拿着 A 序列推演、执行器磕磕绊绊实现出来 B 序列。DreamerV3 这种循环型，RSSM 每一步都要把「上一隐状态 + 上一动作 + 当前观测」三样东西拌在一起记账，异步一来账本就乱——账面永远是平的，每个观测都解释得通，只是把隔壁部门的支出记到了你这个项目头上。两种死法诊断结果是同一种病灶：动作的语义在执行链路里被错位了。
最有信息量的实验是消融那几组：喂「当前实际动作」无效，喂「缓冲内容」也无效，唯一有效的是「精确未来动作序列」，而且这个信息必须放进 rollout 内部，只用来给候选轨迹打分（scoring only）毫无收益。【直引】意思是错位的不是评分标准，而是世界内部的因果时钟。打个比方：开会时有人告诉你「桌上其实是果盘」，你只当八卦，发言照旧，会议照砸；唯一的解法是从你推演的第一步起，脑内沙盘里摆的就该是果盘。
更狠的当头一盆冷水：所谓延迟感知训练和执行侧纠偏不会自动叠加——用「固定 2 拍延迟」数据训练出来的检查点再配上 Future-Sequence 接口，恶劣平均从 256 掉到 52。两个方向单独看都正确，撞在一起就是双倍的错误。结论朴素得让人不舒服：接口设计必须匹配训练时学得的隐含动作语义，不能看见错位就上手掰。
数字上，Walker-Walk 这个任务里同脑同身同种子，放在乱序条件下，Single-Action 的机器人早期失衡，回报 397.4；Future-Sequence 的机器人全程直立走完，回报 889.2。【直引】这两组数字的分母非常窄——就这一个任务、这一种乱序条件——但它干净地剥掉了「这是不是偶然」那层疑心：一千对一名义增长，发生在被刻意制造的最恶劣条件下。
工程上两个接口都朴素得让人想笑：ECI-1 给规划器用，把整条规划序列打包下发，接收端维护可替换缓冲；ECI-2 给循环世界模型用，让执行器在回传观测的同一趟车上捎一张回执，RSSM 用真动作记账而不是用指令记账。【直引】一个是 TCP 的重排与重发，一个是 IP 的回执查询——解法全是网络课作业，不性感，但管用。30000 次转移测试里 ECT-Full 与 ECT-ID 都 100% 找回精确的实际动作，落地的工程可行性已经被验证。
把这篇放回更大的图景里，世界模型是这一轮 AI 里少有的、认真想成为「现实副本」的技术——它想把物理规律学进参数，想让推演代替试错。这篇论文告诉我们的是：即便你的沙盘推演全对，从沙盘到现实之间那条邮路也能凭一己之力决定成败。沙子对，地图错，再细的沙盘也算不到远方。
下一根钉子：从这篇里还能再压出一个方法论问题——观测侧的异步（传感器各报各的时间戳）作者明确点出这是另一条战线，但同样的「语义错位」会不会以另一种形式在观测侧发作？如果会，那世界模型不光邮路要修，沙盘本身要装两套坐标系才够用。