通过世界模型规划实现部署时策略改进，让视觉运动策略"重回正轨"

研究者提出一种离线训练的监控与干预框架，仅通过黑盒查询访问即可在部署阶段改进视觉运动策略。该方法从少量带标注的在线策略轨迹中学习策略条件化的"存活值"以监测任务进展，并训练紧凑的潜在世界模型；当检测到进展停滞时，短时域规划器在世界模型中搜索纠正动作，随后控制权交回原策略。