World Model Training 研究如何从视频、轨迹、传感器或交互数据中学习环境 dynamics，并把预测能力转化为 planning 或 policy improvement。
Training Path
observation and action trajectories
-> representation learning
-> forward / inverse dynamics
-> reward and termination prediction
-> latent rollout or imagination
-> policy learning and environment evaluation核心问题
- offline trajectory、online interaction 和 synthetic rollout 如何组合；
- pixel prediction 与 latent dynamics 的训练取舍；
- action-conditioned prediction 如何区别于无条件 video prediction；
- model error、uncertainty 和 compounding error 如何控制；
- prediction loss 的改善是否能够转化为任务成功率的改善。