如果只让 AI 看机器人成功拿起物体，它可能学会复现顺利过程，却不知道手臂推得太猛、方向偏了或发生碰撞时会怎样。PAVXploreRL要补的正是这块空白：让世界模型——根据机器人动作预测接下来画面的虚拟环境——先探索不常见的动作，再从结果中学习物理规律。这值得关注，因为这类模型常被用来代替昂贵、危险的真机试验；没见过失败动作，就容易高估一套控制策略的能力。
具体来说，研究者在常见的专家动作上加入控制噪声，制造分布外动作——超出训练示范常见范围的操作。即使没有与这些动作配套的真实视频，系统也能借助改造后的 VJEPA-2，从物理合理性、动作遵循和视觉保真度三个方面给生成结果打分，再用强化学习——依据奖励反复调整模型——继续训练。作者报告称，相比预训练基线，该方法在全部基准上的平均提升为 5.6%，并减轻了只用专家数据训练的模型对策略表现的高估；这些效果目前均为论文作者自述。