MC-WM：面向受控世界模型适配的校准风险路由

MC-WM 将初始目标数据切分为互不重叠的拟合、选择与校准分区，按标准化校准风险在修正模拟器与直接拟合目标两族之间路由，选择风险更低者部署。模型用学习到的置信信号与确定性有效性谓词加权单步想象策略更新，不改写物理奖励。在 3 个受控 MuJoCo 动力学迁移任务上完成 541 次执行，其中 1 个精确路由单元在部署前产物门控后重复。