想象一台机器人正在伸手抓传送带上的盒子。盒子向前滑了一截，机器人也看见了变化，却仍固执地抓向原来的位置。问题可能不是它没学会“抓”，而是它只在静止盒子上练过：手臂一旦启动，后续动作就像固定剧本，很难临场改戏。
这篇论文研究的正是这道坎。作者提出 Dynamic Predictive Planning（DPP，动态预测规划）：先估计真正接触物体时，物体会移动到哪里；再虚构一个机器人熟悉的场景，让它针对那个未来位置生成计划；最后把这份计划接到机器人此刻的真实姿态上。换句话说，它没有用动态数据重新训练机器人，而是用反事实规划把已有技能“叫出来”。
本文的结果与机制解释均来自研究团队提供的论文，尚无第二个独立信源验证。
看见目标移动，为什么还不改动作？
论文使用的 World-Action Model（WAM，世界动作模型），会同时预测未来画面和机器人动作。它不只决定下一步怎么动，也会想象“这样动下去，场景将怎样变化”。按直觉，只要不断送入最新画面，模型就应该能追着目标修正计划。
但静态示范留下了一个缺口。训练时，机器人往往从相近的初始姿态出发，分别抓取不同位置上的静止目标。刚开始时，同一种机器人姿态能与许多目标位置搭配；动作推进后，手臂姿态会越来越像某一条特定抓取路线。现实中目标突然换位，就形成了训练里少见的组合：手臂已经走到路线后半段，物体却出现在另一处。
作者把由此出现的失灵称为“target-response collapse”，即目标响应坍缩。这个名称和归因是论文提出的机制解释，并非已经确立的通用结论。它的意思是：执行越往后，模型越倾向于续写已经开始的动作，对目标位置变化反而越来越不敏感。
论文用“目标响应增益”衡量这种变化：目标挪动后，模型预测的抓取点跟着移动多少。数值接近 1，说明抓取点会追随目标；接近 0，则说明模型几乎不改方向。在 ImageWAM 的滚动物体抓取任务中，执行 48 个动作后，平均增益从 0.885 降到 0.063。另一项测量中，同一组 34 个静态可达位置上的预测抓取响应面积，只剩初始值的 1.47%。
双瓶操作也出现类似趋势。在两只夹爪尚未接触物体之前，执行 24 个动作就使目标换位后的成功率从 100%降至 FastWAM 的 66.7%和 ImageWAM 的 72.9%；没有换位的对照任务则仍全部成功。这支持了作者的判断：模型可能拥有操作技能，却无法从当前这个陌生的“手臂姿态—目标位置”组合中调用它。
先在假场景里规划，再接回现实
DPP的关键不是要求模型直接挽救眼前的尴尬姿态，而是把“在哪里想计划”和“从哪里执行计划”拆开。
第一步，模型从当前场景向未来展开一段预测，也就是 rollout——让模型连续想象后续画面与动作。DPP从动作序列中找出抓取或释放预计发生的时刻。同时，它根据连续观测估计目标怎样移动，并推算到那个时刻时，目标会在哪里。
这里预测的不是“几步以后”这个固定时间点，而是与具体技能有关的交互时刻。抓取动作准备得久，预测就看得更远；动作来得快，预测距离就更短。作者也强调，这个时刻只是从静态技能推得的实用先验，并非针对移动目标优化出的最佳接触时间。
第二步，DPP构造一张反事实观察：保留一个模型熟悉的机器人姿态和场景，却把目标放到预测的未来位置。它像是在问模型：“假设你还处在熟悉的起手式，而物体就在将来需要接触的位置，你会怎样完成这项操作？”模型据此生成一条“标准计划”。规划期间，机器人不必原地等待，可以先执行已有动作。
第三步是把想象接回现实。此时真实机器人已经移动，不能直接照搬从熟悉姿态生成的路线。DPP会在标准计划中选取合适的切入点，用一段受关节速度限制的过渡轨迹，把机器人当前状态连接过去。接轨后，它再读取新画面和真实关节状态，重新规划余下动作，以减小预测积累的偏差。
这三步各有作用。论文在同一组300个仿真场景上的消融实验中报告：完整DPP成功率为83.33%；不让机器人在规划期间先行执行，成功率降至50.33%；不使用熟悉的标准姿态生成计划，则降至51.67%；拿掉接轨后的当前状态重规划，影响较小，成功率为80.00%。最关键的两件事因此相当清楚：先行动、后接轨，以及从模型熟悉的上下文中调用技能。
它真的追上移动目标了吗？
团队在动态双臂抓取和动态取放任务中测试了DPP，共包含300个 Bimanual Grasp 回合和192个 Pick-and-Place 回合，覆盖不同目标位置、速度、方向与物体配置。
在动态双臂抓取中，DPP配合 FastWAM 和 ImageWAM 的成功率分别为83.33%和78.67%。只把固定16步之后的未来画面交给同一骨干模型，成功率均为18.33%；即使使用仿真器给出的未来画面，相应结果也只有27.00%和22.67%。这说明“看见未来”本身还不够，交互时刻、熟悉的规划上下文和现实状态之间的衔接同样重要。
在动态取放中，两种组合的成功率分别达到80.73%和91.15%，也高于论文评测的其他方法。额外使用动态数据训练的 DynamicWAM，在两项任务中的成功率为52.00%和53.13%；DPP没有为策略增加动态训练。
真实机器人实验各进行了30次。任务A要求抓住移动的小猪存钱罐并放入盆中，DPP成功率为76.7%，Reactive（反应式重规划）和固定时距的 Future-Conditioned 方法均为0%。任务B要求放置球门状物体去拦截移动小球，DPP完成26次，成功率86.7%；共享同一策略的 Reactive（Hybrid）为40.0%。
系统以标称10 Hz控制异步运行。论文报告，仿真中的学习式推理使用单张 RTX 5090，真实机器人使用单张 RTX 4090；仿真渲染另用一张GPU。因此，“单张消费级GPU实时操控”准确说来是指学习式规划与真实机器人推理配置，不等于全部仿真计算只使用一张卡。
为什么值得关注
这项工作的启发不只在“会抓移动物体”。它提出了另一种看待模型失败的方式：能力可能已经存在，只是当前输入不容易把它调出来。
DPP没有逼模型在陌生组合上即兴补救，而是主动重写问题：先把未来目标位置放进模型熟悉的情境，取得一条它会生成的计划，再解决这条计划如何落到现实。反事实观察因此很像一次对既有技能的检索请求。这里所谓“机器人学会反事实规划”，更准确地说，是规划框架利用反事实场景调用机器人已有的静态技能，并非机器人通过新训练重新学会动态操控。
局限与未知
- DPP依赖目标在规划时间范围内仍可预测。论文展示了非匀速运动和位置突变的扩展方案，但这需要延后标准规划，并加入空间修正。
- 方法只能调用骨干模型已经掌握的静态技能；如果机器人原本就不会完成操作，反事实场景不能凭空补出能力。
- 交互时刻来自模型原有技能，是实用先验而非动态场景下的最优选择。运动估计和反事实图像合成也仍有改进空间：使用真实目标速度及仿真器生成的观察后，成功率可从83.33%升至94.00%。