具身智能的测试时扩展新范式：清华团队提出ParallelWorld，让AI像人一样预演未来再行动

在复杂的物理环境中，一个智能体若要准确理解并做出合理决策，往往需要不断与环境互动以获取更多信息。例如，在一个光线昏暗的房间中寻找特定物品时，仅凭初始观察可能无法确认目标位置，此时智能体需通过移动视角或调整物体位置来逐步揭示隐藏信息。这种主动探索的能力，正是具身智能的核心挑战之一。

传统方法通常依赖于单步、逐次的动作选择，即每一步都基于当前状态决定下一步行动，缺乏对多种未来可能性的系统性评估。

面对这一局限，清华大学与新加坡国立大学的研究团队提出了一种名为 ParallelWorld 的多时域测试时扩展框架。该方法允许智能体在执行任何动作前，先在模拟环境中并行生成和评估多个潜在的未来轨迹，从而实现更全面的策略规划。

论文标题：ParallelWorld: Test-Time Scaling for Embodied Reasoning

论文链接：https://arxiv.org/pdf/2608.22971v1.pdf

项目链接；https://chen-min-22.github.io/ParallelWorld-page/

研究背景

具身推理要求智能体不仅能够感知环境，还需在动态变化的空间中进行持续的感知、推理与交互。近年来，随着多模态大语言模型（LLM）的发展，具身智能体已能在模拟或真实环境中完成日益复杂的任务。然而，由于视觉证据模糊、环境信息不完整或动态变化，可靠地构建对物理世界的理解仍面临挑战。

为应对这些挑战，研究趋势从被动感知转向主动探索——智能体不再仅依赖固定观测，而是通过与环境互动主动收集任务相关的信息。尽管如此，现有方法大多采用顺序式探索策略，即每个动作仅根据当前状态和已有历史信息作出决策，缺乏对不同行动路径后果的前瞻性评估。这限制了智能体在复杂、遮挡严重的空间中做出最优判断的能力。

创新点与核心思想

ParallelWorld 的核心创新在于引入“多时域未来世界模拟”机制。不同于传统的单步试探，该框架允许智能体在每次决策前，从当前状态出发，同时展开多条并行的未来轨迹，并在模拟中连续推进至多步远的未来状态。每一步模拟后，由一个验证器智能体（verifier agent）对中间状态进行评估，动态剪枝低价值分支，保留最具信息量的路径。

整个过程可类比于人类在做决策时的心理演练：我们不会立即采取行动，而是先在脑海中预演几种可能的结果，再选择最合理的方案。ParallelWorld 正是将这种“心理模拟”能力赋予了具身智能体，使其能够在真实执行前，基于模拟世界中的多路径推演，做出更稳健的判断。

方法设计：三阶段协同机制

ParallelWorld 的整体流程分为三个关键阶段：前景世界扩展、验证引导探索与顶一路由回答。

前景世界扩展

在每一轮探索中，系统会从当前保留的所有轨迹（称为“分支”）出发，对每一个可执行的动作（包括相机移动和任务相关的物理操作，如抓取、放置、倾倒等）进行模拟。每个动作都会触发一次环境状态的更新，并渲染出对应的视觉输出。所有这些候选状态共同构成一个“候选前沿”（candidate frontier），其规模随动作空间和分支数呈指数增长。

为了保持模拟的一致性，所有候选状态均从原始父状态恢复，确保物理交互的因果关系不受影响。对于产生有价值中间状态的动作，系统还会保存其过程帧，作为后续评估的依据。

验证引导探索

直接保留全部候选轨迹会导致计算成本急剧上升。为此，ParallelWorld 引入了一个验证器智能体，负责评估每个候选轨迹的潜在价值。验证器综合考虑问题内容、参考观测、历史探索记录以及候选轨迹提供的视觉证据，判断其是否有助于解决当前问题。

具体而言，验证器倾向于保留那些能揭示任务相关对象、消除视觉歧义或提供互补信息的分支。其评估结果决定了下一阶段保留多少条路径。该保留宽度（branch retention width）遵循一种预设的交替策略：奇数步保留多个分支以维持多样性，偶数步则收敛至单一主干路径，实现从探索到聚焦的自然过渡。

被选中的路径会被重新执行（replayed），其状态用于下一轮扩展；而其他分支虽被保留，但不再贡献给最终答案的推理。

Top1路由回答

由于机器人只能执行一条实际动作序列，且无法同时尝试多个路径或回溯到过去的状态，因此系统必须区分内部模拟与外部执行。尽管验证器在内部维护多个分支，但最终的答案生成只基于一条从根节点到叶节点的单一路径——即“Top1路由”。

该路径由当前最高排名的分支回溯而成，保证了所有观测来自同一物理一致的轨迹。答案智能体（answer agent）基于这条路径上的所有后置动作观测，结合初始参考信息，生成最终答案、置信度及推理过程。

当答案的置信度超过预设阈值且答案格式有效时，探索过程终止；否则将继续推进至最大探索深度。这一机制既避免了跨路径信息混合带来的逻辑矛盾，又实现了高效的决策输出。

实验结果：显著提升主动推理性能

研究团队在 ESI-Bench 基准上进行了广泛实验，涵盖 28 个子任务类别，涉及感知定位、物理结构、动态行为、认知地图、枚举感知等多个维度。结果显示，ParallelWorld 在绝大多数任务中均优于传统的主动探索基线方法，尤其在时间理解与度量比较类任务中表现突出。

例如，在“未观察到的变化”任务中，准确率从 70.95% 提升至 89.86%；在“空间距离”任务中，从 58.55% 提高到 67.11%。即使在部分任务中，如“连通性”，虽然被动单视图方法表现最佳，ParallelWorld 仍实现了从 55.00% 到 60.00% 的提升。

此外，消融实验表明，采用动态保留宽度策略的 ParallelWorld 在平均准确率（59.56%）和运行效率（平均 350.6 秒/问题）之间取得了最佳平衡。相比之下，固定宽度设置（K=2,3,4）在某些任务上表现更优，但整体性能下降，说明固定的搜索策略难以适应多样化任务需求。

图 2 展示了一个典型案例：传统方法沿单一路径探索，因信息不足而得出错误结论；而 ParallelWorld 能够并行评估多个动作方向，验证器成功识别出能逐步暴露灯与投影仪相对位置的路径，最终帮助答案智能体正确作答。这直观体现了多路径模拟与智能筛选的价值。

局限与未来方向

尽管 ParallelWorld 显著提升了具身推理能力，但仍存在一些局限。

首先，其测试时计算开销较大，因为每个保留分支都需要遍历全部可执行动作。

其次，探索质量高度依赖于模拟器的精确性和验证器的可靠性。此外，仅保留单一路径可能导致部分互补信息被舍弃，影响全局判断。

未来工作可探索使用学习型分支剪枝模型、不确定性感知的验证器，以及分层动作提议策略，以进一步提升效率与鲁棒性。将该框架应用于真实机器人平台和动态开放环境，也是值得深入的方向。

结论

ParallelWorld 为具身智能体提供了一种全新的测试时扩展范式。它通过并行模拟未来世界、验证器引导筛选与顶一路由推理，使智能体能够在真实执行前系统性评估多种可能路径，从而做出更明智的决策。实验结果充分验证了未来世界模拟在增强具身推理方面的有效性，为构建更具自主性的智能体提供了新的思路。