世界模型梯度之争：研究者称一阶梯度训练策略收益有限，零阶策略梯度 30 秒完成足式运动策略训练

针对世界模型梯度之争，有研究者称一阶梯度用于 imagination 内训练策略收益有限，在学习型世界模型下样本廉价时尤其如此。该研究者还指出在「接触切换处梯度尖锐不可用」这一点上与 RWM 结论相反。另有作者展示零阶策略梯度仅需 30 秒即可在仿真或实机上完成一个足式运动策略训练。